项目名称: 基于多目标优化的约束模式挖掘方法研究

项目编号: No.61502001

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 其他

项目作者: 张磊

作者单位: 安徽大学

项目金额: 20万元

中文摘要: 如何从海量数据中挖掘出有价值的模式,即约束模式挖掘,是数据挖掘中一个非常重要的研究领域。然而,大部分约束模式挖掘算法需要人工设置约束参数并且模式生成方式容易导致组合爆炸问题。若能够把约束模式挖掘问题转换成一个组合优化计算复杂问题,利用多目标优化技术可以很好地解决上述问题。为此,本项目拟从多目标优化的角度来对约束模式挖掘问题进行建模,开展基于多目标优化的模式挖掘关键技术研究。首先,研究如何把约束模式挖掘问题转换成一个多目标优化问题,确定约束和目标之间的映射关系。然后,研究如何融入约束模式挖掘的界估计特性,提出高效进化多目标优化方法,求解转换后的多目标优化问题。最后,在一些实际的模式挖掘应用中验证上述研究成果。本项目通过探索多目标优化机制,拟提出基于多目标优化的约束模式挖掘有效解决方案,对拓展进化多目标优化的应用领域和提升约束模式挖掘的实际效果,具有重要理论意义和应用价值。

中文关键词: 约束模式挖掘;挖掘算法;多目标优化

英文摘要: Mining interesting patterns from massive data, namely constrained pattern mining, is a very important area of research in data mining. However, most of constrained pattern mining algorithms require manual selection of constraint parameters, and also the generation of mined patterns easily leads to the combinatorial explosion problem. If the problem of constrained pattern mining could be transformed as a complex combinatorial optimization problem, then the above problems can be solved well by using the multi-objective optimization techniques. Thus, this project intends to model constrained pattern mining problem from the perspective of multi-objective optimization, and carries out key technologies of pattern mining based on multi-objective optimization studies. Firstly, study how to transform the pattern mining problem into a multi-objective optimization problem, building the mapping relation between constrains and objectives. Then, study how to propose novel evolutionary computation method for solving the converted multi-objective optimization problem by exploiting the property of bound estimation in constrained pattern mining. Finally, to verify these findings in a number of practical pattern mining applications. In summary, by exploring the mechanism of multi-objective optimization, this project will propose effective solutions for the problem of pattern mining based on the multi-objective optimization. In this way, not only could the application areas of the multi-objective optimization be expanded but also the performance of the constrained pattern mining could be enhanced. Thus, the research of this project has important theoretical and practical value.

英文关键词: Constrained Pattern Mining;Mining Algorithms;Multi-objective Optimization

成为VIP会员查看完整内容
1

相关内容

【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
专知会员服务
54+阅读 · 2021年9月18日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
11+阅读 · 2021年7月16日
专知会员服务
95+阅读 · 2021年5月25日
专知会员服务
24+阅读 · 2021年4月21日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年11月13日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
SIGIR2021 | 基于排序的推荐系统度量优化新视角
机器学习与推荐算法
1+阅读 · 2021年12月6日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
基于知识图谱的文本挖掘 - 超越文本挖掘
专知
38+阅读 · 2019年8月18日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
专知会员服务
54+阅读 · 2021年9月18日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
11+阅读 · 2021年7月16日
专知会员服务
95+阅读 · 2021年5月25日
专知会员服务
24+阅读 · 2021年4月21日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年11月13日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
SIGIR2021 | 基于排序的推荐系统度量优化新视角
机器学习与推荐算法
1+阅读 · 2021年12月6日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
基于知识图谱的文本挖掘 - 超越文本挖掘
专知
38+阅读 · 2019年8月18日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员