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. s. 31-40. 2005.

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

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, záměr: Název: DYNAMICKÁ GEOVIZUALIZACE V KRIZOVÉM MANAGEMENTU

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Dynamická geovizualizace v krizovém managementu