کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6858183 | 661922 | 2014 | 14 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Trend analysis of categorical data streams with a concept change method
ترجمه فارسی عنوان
تجزیه و تحلیل روند جریانهای اطلاعاتی قطعی با یک روش تغییر مفهوم
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تجزیه و تحلیل روند، جریان اطلاعات طبقه بندی شده، تغییر مفهوم،
ترجمه چکیده
این مقاله یک روش جدید برای تحلیل روند جریانهای اطلاعاتی پیشنهاد می دهد. جریان داده ها به دنباله ای از پنجره های زمان تقسیم می شوند و سوابق در هر پنجره فرض می شود که تعدادی مفاهیم را به عنوان خوشه ها حمل می کنند. الگوریتم برچسب زدن داده ها برای شناسایی مفاهیم یا خوشه های یک پنجره از مفاهیم پنجره قبلی پیشنهاد شده است. بیان یک مفهوم ارائه شده است و فاصله بین دو مفهوم در دو پنجره متوالی به منظور تحلیل تغییرات مفاهیم در پنجره های متوالی تعریف شده است. در نهایت الگوریتم تجزیه و تحلیل روند برای محاسبه روند تغییر مفهوم در یک جریان داده در طول توالی پنجره های متوالی پیشنهاد شده است. روش های اندازه گیری اهمیت یک ویژگی که منجر به تغییر مفهوم و درجه های غیر منتظره از اشیاء می شود، به منظور تشریح علل تغییر مفهوم ارائه شده است. آزمایشات بر روی مجموعه داده های واقعی برای نشان دادن مزایای روش تحلیل روند ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
This paper proposes a new method to trend analysis of categorical data streams. A data stream is partitioned into a sequence of time windows and the records in each window are assumed to carry a number of concepts represented as clusters. A data labeling algorithm is proposed to identify the concepts or clusters of a window from the concepts of the preceding window. The expression of a concept is presented and the distance between two concepts in two consecutive windows is defined to analyze the change of concepts in consecutive windows. Finally, a trend analysis algorithm is proposed to compute the trend of concept change in a data stream over the sequence of consecutive time windows. The methods for measuring the significance of an attribute that causes the concept change and the outlier degrees of objects are presented to reveal the causes of concept change. Experiments on real data sets are presented to demonstrate the benefits of the trend analysis method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 276, 20 August 2014, Pages 160-173
Journal: Information Sciences - Volume 276, 20 August 2014, Pages 160-173
نویسندگان
Fuyuan Cao, Joshua Zhexue Huang, Jiye Liang,