[发明专利]空间高效用co‑location模式挖掘方法

摘要

本发明公开了一种新的空间高效用co‑location模式挖掘方法，根据距离阈值获得各个实例间的邻近关系；通过邻近关系计算2阶的空间co‑location模式的表实例；根据模式的表实例计算每个特征的效用参与率；然后通过效用参与率确定每个特征的效用权重，再计算模式的模式效用度；接着判断PUI(c)是否大于效用阈值ξ；若PUI(c)<ξ，使用最大特征效用率算法对模式的高阶模式进行剪枝，即不再计算该模式c的所有高阶模式；生成k+1阶候选模式，对k+1阶候选模式重复如上的处理；当不再能生成高阶的候选模式时，得到完整的空间高效用模式集合。解决了空间实例带效用的co‑location高效用模式的挖掘问题。

主权项

一种空间高效用co‑location模式挖掘方法，其特征在于，按照以下步骤进行：步骤A：根据距离阈值获得各个实例间的邻近关系；步骤B：通过邻近关系计算得到2阶的空间co‑location模式的表实例，所有的2阶模式形成2阶候选模式C2；k阶候选模式表示为Ck；步骤C：针对每个Ck中的模式c，先计算每个特征在模式c中的效用参与率FUR(fi,c)；然后通过效用参与率确定每个特征的效用权重ω(fi,c)，再计算模式c的模式效用度PUI(c)；步骤D：若PUI(c)≥效用阈值ξ，则模式c是高效用模式，将其放入高效用模式集Uhigh中；若PUI(c)<ξ，可使用最小特征参与率算法或最大特征参与率算法进行剪枝；最小特征参与率剪枝：首先可获得该模式的相关模式Sc(c)以及相关特征，接着判断模式c中都有FUR(fi,c)＜ξ,且c的相关特征在Sc(c)中的效用参与率的最小值中的最大值小于ξ，那么，模式c的所有高阶模式不可能是高效用模式，将c模式并入Pp集合中；最大特征效用率剪枝：同样先获得该模式的相关模式Sc(c)以及相关特征，将每个相关特征在各个相关模式中的交集表示为Ifi(fi,c)，接着判断模式c中所有特征的效用参与率FUR(fi,c)是否小于效用率阈值ξ，当所有的FUR(fi,c)都小于ξ时，计算相关特征的最大特征参与率RUR(fi,c)，若RUR的最大值<ξ，可对模式c的高阶模式进行剪枝，将c模式加入Pp集合中；步骤E：生成k+1阶候选模式，所有k+1阶模式均为候选模式；将Pp集合中模式的高阶模式从k+1阶候选模式中删除，剩余的模式作为k+1阶的候选模式Ck+1；继续对Ck+1模式进行步骤C‑步骤D的计算处理；步骤F：当处理完所有的候选模式时，得到完整的空间高效用模式集合Uhigh。