[发明专利]频繁co-location模式的无损压缩方法

摘要

本发明公开了频繁co‑location模式的无损压缩方法，首先预处理输入数据，使用字典序前缀树结构来存储特征邻居事务集，基于特征邻居事务集的前缀树结构，生成星型SPI‑闭候选模式，组合星型SPI‑闭候选模式生成团SPI‑闭候选模式；生成了团SPI‑闭候选模式之后，通过扫描邻居事务集NT，可以得到候选模式的候选表实例，再通过检测其它实例的邻近关系，可以得到真正符合团关系的表实例；基于表实例可以计算模式的参与度PI，同时可以判定一个模式是否是SPI‑闭co‑location模式。该方法提供了频繁co‑location模式集的更小的、不丢失参与度信息的压缩表示。

主权项

1.频繁co‑location模式的无损压缩方法，其特征在于，首先定义SPI‑闭co‑location模式：定义1.对于两个给定的co‑location模式c和c′且c在c′中的超参与度SPI(c|c')被定义为通过c'的表实例计算得到的c中所有特征参与率的最小值，即：SPI(c|c')＝min{PR(c',f_i),f_i∈c}；定义2.一个co‑location模式c是SPI‑闭co‑location模式，当且仅当c的PI值大于c在它所有SPI‑闭的超模式c'中的SPI值，即：当且仅当c'是SPI‑闭co‑location模式，同时PI(c)>SPI(c|c')→c是一个SPI‑闭co‑location模式；定义3.若一个SPI‑闭co‑location模式c是SPI‑闭频繁co‑location模式，当且仅当c是SPI‑闭的且PI(c)≥M，其中M表示的是用户指定的频繁性阈值；而对于一个co‑location模式c，如果存在一个co‑location模式c'使得且PI(c)＝SPI(c|c')，那么称“c'SPI‑覆盖c”，如果存在一个co‑location模式c'使得且PI(c)＝PI(c')，称“c'PI‑覆盖c”；然后，按照以下步骤进行：步骤1，预处理输入数据：生成邻居事务集NT和特征邻居事务集ENT；步骤2，使用字典序前缀树结构来存储特征邻居事务集ENT，基于特征邻居事务集的前缀树结构，生成星型SPI‑闭候选模式，组合星型SPI‑闭候选模式生成团SPI‑闭候选模式；步骤3，生成了团SPI‑闭候选模式之后，通过扫描邻居事务集NT，得到候选模式的候选表实例，再通过检测其它实例的邻近关系，得到真正符合团关系的表实例；基于表实例计算模式的参与度PI，同时通过以下方法判定一个模式是否是SPI‑闭co‑location模式：对于k阶候选模式c，若PI(c)＝UPI(c)，那么c一定是SPI‑闭co‑location模式，UPI为上界参与度；否则，就需要先生成模式c的所有k‑1阶被剪枝的子模式作为候选，接下来，若PI(c)

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于云南大学，未经云南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201710430303.0/，转载请声明来源钻瓜专利网。