Toward mining of spatiotemporal maximal frequent patterns

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.

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

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

---

Anotace

V originále

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.

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, záměr

Název: DYNAMICKÁ GEOVIZUALIZACE V KRIZOVÉM MANAGEMENTU Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Dynamická geovizualizace v krizovém managementu