POPELÍNSKÝ, Lubomír a Jan BLAŤÁK. Toward mining of spatiotemporal maximal frequent patterns. In Proceedings of ECML/PKDD Workshop on Mining Spatio-Temporal Data (MSTD),. Porto: UP, 2005. s. 31-40, 10 s.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Toward mining of spatiotemporal maximal frequent patterns
Název česky K dolování v prostorově-časových datech
Autoři POPELÍNSKÝ, Lubomír (203 Česká republika, garant) a Jan BLAŤÁK (203 Česká republika).
Vydání Porto, Proceedings of ECML/PKDD Workshop on Mining Spatio-Temporal Data (MSTD), od s. 31-40, 10 s. 2005.
Nakladatel UP
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Portugalsko
Utajení není předmětem státního či obchodního tajemství
Kód RIV RIV/00216224:14330/05:00014243
Organizační jednotka Fakulta informatiky
Klíčová slova anglicky data mining; spatiotemporal data
Štítky data mining, spatiotemporal data
Změnil Změnil: doc. RNDr. Lubomír Popelínský, Ph.D., učo 1945. Změněno: 25. 4. 2006 18:11.
Anotace
We show that propositional spatiotemporal logic PSTL is a powerful tool for mining in various spatiotemporal data including environmental and medical data, keystroke dynamics data or text. We introduce a refinement operator for a fragment of $PSTL$, $ST_0$ and %, and present frequent patterns mined with RAP. describe the ILP system GRAPE for mining first-order frequent patterns in spatiotemporal data. We also show that in the classification task %the use of this refinement operator can %decrease computational cost and that the use of frequent patterns as new features result in an accuracy increase.
Anotace česky
We show that propositional spatiotemporal logic PSTL is a powerful tool for mining in various spatiotemporal data including environmental and medical data, keystroke dynamics data or text. We introduce a refinement operator for a fragment of $PSTL$, $ST_0$ and %, and present frequent patterns mined with RAP. describe the ILP system GRAPE for mining first-order frequent patterns in spatiotemporal data. We also show that in the classification taskthe use of frequent patterns as new features result in an accuracy increase.
Návaznosti
MSM0021622418, záměrNázev: DYNAMICKÁ GEOVIZUALIZACE V KRIZOVÉM MANAGEMENTU
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Výzkumné záměry
VytisknoutZobrazeno: 23. 9. 2020 09:54