-
公开(公告)号：CN118733895A
公开(公告)日：2024-10-01
申请号：CN202410717344.8
申请日：2024-06-04
申请人： 云南大学
IPC分类号： G06F16/9536 , G06F16/9535 , G06Q50/00
摘要： 本发明公开一种属性异质信息网络中的社区搜索方法，步骤如下：S1：用户根据属性异质信息网络G输入搜索条件，S2：从属性异质信息网络G中获取目标节点集合S；S3：计算集合S中每个目标节点的P邻居；S4：根据所有目标节点的P邻居构建网络G；S5：计算网络G中每条边的三角形支持度值；S6：从网络G中剔除不满足条件的边；S7：从网络G中找出包含q的最大连通子图g；S8：从子图g中找出满足条件的社区并输出。本发明克服了传统方法忽视节点属性信息的局限性，为处理大规模异质信息网络中的社区搜索提供了系统性的解决方案，在社交网络分析、推荐系统优化等多个领域展现出广泛的应用潜力与显著的性能提升。
-
公开(公告)号：CN116578946A
公开(公告)日：2023-08-11
申请号：CN202310427552.X
申请日：2023-04-20
申请人： 云南大学
摘要： 本发明公开了一种基于改进的空间同位模式挖掘工业污染对癌症影响的方法，包括以下步骤：计算污染源实例集的偏移坐标、癌症实例与污染源实例之间的欧式距离以及污染源局部平均浓度和全局平均浓度；根据污染源影响半径判断癌症实例与污染源实例间是否存在空间邻近关系；生成癌症实例集的星型邻居集以及星型影响实例表；计算候选模式改进后的影响率、加权影响率以及影响度，并判断候选模式的影响度与影响度阈值的关系，若满足关系则输出频繁模式。解决了传统空间同位模式挖掘方法在污染源与癌症同位关系发掘上存在的不合理地只用一个距离阈值来决定邻近关系、基于参与度的频繁性度量方式要求不满足污染源与患癌风险之间的关系等问题。
-
公开(公告)号：CN111540403A
公开(公告)日：2020-08-14
申请号：CN202010197955.6
申请日：2020-03-19
申请人： 云南大学
摘要： 本发明公开了一种基于极小负co-location模式的植被相克关系挖掘方法，先确定待挖掘区域内每种待挖掘植被的数量，将每种植被种类作为一个植被空间特征，得到植被空间特征集合F＝{f1,f2,...,fm}和植被空间实例集S＝{si},1≤i≤n；从植被空间实例集S＝{s1,s2,...,sn}中挖掘出所有的频繁正co-location模式，并由低阶到高阶，将任意两两不相交的频繁正co-location模式c组合，从组合结果中选出非频繁的正co-location模式作为候选负co-location模式，最后判断所有候选负co-location模式是否为极小负co-location模式即用户极可能感兴趣的相克植被集合。解决了现有植被相克关系挖掘方法的挖掘效率低、结果可用性低的问题。
-
公开(公告)号：CN107659467A
公开(公告)日：2018-02-02
申请号：CN201710878090.8
申请日：2017-09-26
申请人： 云南大学
摘要： 本发明公开了一种动态社交网络中基于联盟形成博弈的社区检测方法，具体按照以下步骤进行：采用基于模块度的社区检测方法对初始社区结构进行检测，得到初始社区结构Γ；将相邻网络快照上网络社区结构的演变分解为增加节点、增加连边、删除节点或删除连边；计算t时刻的社区结构增加节点、增加连边、删除节点或删除连边后，t+1时刻所有可能形成的社区结构的收益，确定收益最大的社区结构为实际演变后t+1时刻的社区结构，如此对初始社区结构Γ进行动态局部调整，得到实际演变后的社区结构Γ'；本发明不需要在每个网络快照上应用静态社区检测方法在整个网络中检测社区结构，从而能够在大规模社交网络中快速检测社区。
-
公开(公告)号：CN107480713A
公开(公告)日：2017-12-15
申请号：CN201710669858.0
申请日：2017-08-08
申请人： 云南大学
IPC分类号： G06K9/62
CPC分类号： G06K9/623
摘要： 本发明公开了一种含主导特征的co-location模式挖掘方法，根据距离阈值生成星型实例集；生成一个k阶候选模式集；计算参与度；大于参与度阈值的模式即为一个频繁的模式；对于该频繁模式ck与该模式的k个k-1阶子模式集合分别计算损失度；计算模式的最大特征影响度及最小特征影响度；通过最大特征影响度与最小特征影响度的差直接判断该模式是否含有主导特征；进行两两特征差异度计算；如果被检测为含主导特征的模式，则计算每个特征来提取主要特征；最后得到了含主导特征的模式集合及其主导特征集合。本方法能够有效的缩减模式结果，为用户提供含有主导特征的模式和相应的主导特征。
-
公开(公告)号：CN107273526A
公开(公告)日：2017-10-20
申请号：CN201710496044.1
申请日：2017-06-26
申请人： 云南大学
IPC分类号： G06F17/30
CPC分类号： G06F16/283 , G06F16/2465
摘要： 本文公开了空间极大亚频繁co-location模式挖掘方法，提出星型参与实例概念，并基于此定义星型参与率和星型参与度，提出了极大亚频繁co-location模式，给出了两种挖掘极大亚频繁co-location模式方法，基于前缀树的算法和基于划分的算法，以实现有效地挖掘空间数据集中的极大亚频繁co-location模式。
-
公开(公告)号：CN117472980A
公开(公告)日：2024-01-30
申请号：CN202311469707.2
申请日：2023-11-07
申请人： 云南大学
IPC分类号： G06F16/2458 , G06F16/29 , G06F16/903 , G06F16/909 , G06F18/211 , G06F18/26 , G06Q50/02
摘要： 本发明公开了一种挖掘稀有高山植被品种存在形式及生长区域的方法，包括以下步骤：步骤S1、建立包含稀有高山植被品种的空间数据集，获得空间特征集；步骤S2、在空间数据集中筛选核特征，基于所述核特征进行子区域划分；所述核特征为稀有高山植被品种；步骤S3、在划分得到的各个子区域中挖掘频繁核模式；所述核模式为空间特征集中一个子集，其中核模式必须包含核特征；步骤S4、收集所有子区域中的频繁核模式，建立查询字典；步骤S5、基于所建立查询字典，查询稀有高山植被品种存在形式及生长区域挖掘结果。本发明解决了技术中缺少对稀有高山植被品种存在形式及生长区域的挖掘方法，以及传统的距离阈值度量方法存在有缺陷的问题。
-
公开(公告)号：CN112667703A
公开(公告)日：2021-04-16
申请号：CN202011519782.1
申请日：2020-12-21
申请人： 云南大学
IPC分类号： G06F16/2458 , G06K9/62
摘要： 本发明涉及一种k‑近邻关系下的空间高效用核模式挖掘方法，包括对一个核元素f，计算其每个实例ij的k‑近邻实例集k‑NI(ij)；求出其k‑近邻特征集k‑NF(f)，收集所有的候选核模式{f,P}；计算二阶候选核模式{f,P}的效用度，并将其中满足第二剪枝条件和第三剪枝条件的核模式进行剪枝；计算三阶以上候选模式{f,P}的参与实例集和模式效用度，并将其中满足第一剪枝条件和第四剪枝条件的核模式进行剪枝；输出高效用核模式集CP。本发明将k‑近邻引入到空间高效用co‑location模式挖掘中，更加合理地度量了空间实例之间的邻近关系，对于均匀和不均匀分布的空间数据集，挖掘方法都具有良好的可伸缩性。
-
-
公开(公告)号：CN116091095A
公开(公告)日：2023-05-09
申请号：CN202211596295.4
申请日：2022-12-12
申请人： 云南大学
IPC分类号： G06Q30/0201 , G06F18/21 , G06F18/2321 , G06F18/26
摘要： 本发明公开了一种基于区域频繁同位模式的商业决策方法，主要包括：确定商业类别，得到空间商业类别集和商业实例集；计算商业实例间的邻近关系，得到空间实例邻居表，计算得到极大实例团；计算所有商业同位模式的参与度，划分为全局频繁商业同位模式和区域候选商业同位模式；将整个区域细分为多个子区域；计算出区域候选的商业同位模式的参与度，满足最小参与度阈值的为区域频繁商业同位模式，其所在子区域为频繁区域；求出合并后子区域的区域频繁商业同位模式；根据需求给出相应的决策结果。解决了现有区域频繁同位模式挖掘的结果缺乏语义信息和实际应用价值的问题，并辅助用户选择商业模式以及选址，减小的创业风险，增大创业的成功机率。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.035 秒)
