Parte del contenido de esta aplicación no está disponible en este momento.
Si esta situación persiste, contáctenos aComentarios y contacto
1. (CN102609528) Frequent mode association sorting method based on probabilistic graphical model

Oficina : China
Número de la solicitud: 201210031662.6 Fecha de la solicitud: 14.02.2012
Número de publicación : 102609528 Fecha de publicación: 25.07.2012
Número de concesión: Fecha de concesión : 18.06.2014
Tipo de publicación : B
CIP:
G06F 17/30
G FISICA
06
COMPUTO; CALCULO; CONTEO
F
TRATAMIENTO DE DATOS DIGITALES ELECTRICOS
17
Equipo o métodos de tratamiento de datos o de cálculo digital, especialmente adaptados para funciones específicas
30
Recuperación de la información; Estructura de bases de datos a este efecto
Solicitantes: Yunnan University
Personas inventoras: Liu Weiyi
Yue Kun
Mandatarias/os: cheng yunbei
Fecha de prioridad:
Título: (EN) Frequent mode association sorting method based on probabilistic graphical model
(ZH) 基于概率图模型的频繁模式关联分类方法
Resumen: front page image
(EN) The invention relates to a frequent mode association sorting method based on a probabilistic graphical model, and provides a frequent mode mutual relation representation and frequent mode association sorting method based on the probabilistic graphical model based on execution results of Apriori frequent pattern mining algorithms. A Markov network which is an important probabilistic graphical model is used as a basic framework for knowledge representation to set up internal relation between the frequent mode and the probabilistic graphical model and build the Markov network included in the frequent mode, the frequent mode is subjected to association sorting of different abstract hierarchies by node aggregations from bottom to top, mutual relations of any forms among the frequent modes can be conveniently and efficiently expressed in the global view, better flexibility of association sorting of the users in different abstract hierarchies is achieved, and theoretical basis and technical foundation are provided for subsequent development.
(ZH)

本发明涉及一种基于概率图模型的频繁模式关联分类方法。在Apriori频繁模式挖掘算法的执行结果之上,提供一种基于概率图模型的频繁模式间相互关系的表示及频繁模式的关联分类方法。以马尔可夫网这一重要概率图模型作为知识表示的基本框架,建立频繁模式与概率图模型的内在联系,构建频繁模式中蕴含的马尔可夫网,通过结点自底向上的聚集对频繁模式进行不同抽象层次上的关联分类,可以从全局的角度方便高效地表示频繁模式间任意形式的相互关系,不同抽象层次用户的关联分类具有较好的伸缩性,为后续研发提供理论依据和技术基础。