图数据的挖掘工作是数据挖掘工作中的重要组成部分,已经有许多人在这个领域进行了深入的研究.由于数据获取不可避免噪音数据,故在挖掘频繁图时考虑近似十分重要.然而许多此前的工作只考虑了子图间编辑距离(Graph Edit Distance,GED)的绝对值,而没有考虑子图间编辑距离与子图大小的相对关系.提出了一种在单图中进行近似频繁子图挖掘的新算法,并在计算近似程度时考虑当前子图的大小.该算法通过对近似频繁子图的大小上限进行预测,并通过局部反单调性进行剪枝,提高了算法的效率.实验表明,该算法能够挖掘出传统算法无法发现的近似频繁子图,且相比对比算法具有更好的时间性能.
类型: 期刊论文
作者: 窦建凯,林欣,胡文心
关键词: 近似,频繁子图挖掘,剪枝
来源: 华东师范大学学报(自然科学版) 2019年06期
年度: 2019
分类: 基础科学
专业: 数学
单位: 华东师范大学计算机科学与技术系,华东师范大学计算中心
分类号: O157.5
页码: 73-87
总页数: 15
文件大小: 1038K
下载量: 51
本文来源: https://www.lunwen66.cn/article/033b383ed658387d03f4bb57.html