Tuple Value Based Multiplicative Data Perturbation Approach To Preserve Privacy In Data Stream Mining
来自特定领域的应用程序，如医疗，金融，图书馆，电话，购物记录和个人的大量数据定期生成。这些数据的共享被证明是有益的数据采掘应用。一方面，这些数据通过分析成为商业决策的重要资产;另一方面，数据隐私问题可能会阻止数据所有者共享数据分析信息。为了在共享数据的同时保护隐私，数据所有者必须提出一种解决方案，该解决方案既要实现隐私保护的双重目标，又要实现数据采掘任务的准确性-聚类和分类。为了保护敏感信息的隐私性，并以最小的信息损失获得数据聚类，提出了一种高效的方法。
2013-06-06 cs.DB
GraphZip: Dictionary-based Compression for Mining Graph Streams
今天在诸如社交网络、电信网络和互联网的平台上生成的大量数据通常可以表示为图形流。网络的底层图中的活动生成流形式的边序列;例如，社交网络可以基于不同用户（节点）之间随时间的交互（边）来生成图流。虽然已经开发了许多图挖掘算法来分析相对较小的图，但开始接近真实世界网络大小的图由于其动态性质以及所涉及的大量节点和连接而强调了这些方法的局限性。在本文中，我们提出了GraphZip，一个可扩展的方法挖掘有趣的模式图流。GraphZip受到Lempel-Ziv（LZ）类压缩算法的启发，并使用一种新的基于字典的压缩方法，结合最小描述长度原则，以发现图流中的最大压缩模式。我们的实验表明，GraphZip是能够检索复杂和有见地的模式，从大型现实世界的图形和人工生成的图形与地面真相模式。此外，我们的研究结果表明，GraphZip是高效和高效的相比，现有的国家的最先进的方法来挖掘图流。
2017-03-24 cs.DB cs.SI
Activity Modeling in Smart Home using High Utility Pattern Mining over Data Streams
Anna University（安纳大学）；Sri Venkateswara College of Engineering（斯里文卡特斯瓦拉工程学院）
灵巧家庭技术是人们在关心安全、舒适和节能的同时更好的选择。需要开发能够识别家中居民日常生活活动（ADL）并检测个人模式中异常行为的技术。利用频繁模式挖掘（FPM）、高效用模式挖掘（HUP）等数据采掘技术从采集的传感器数据中发现这些活动模式。但是将上述技术应用于从时间传感器数据流进行活动识别是高度复杂且具有挑战性的任务。为此，提出了一种基于频繁模式流树（FPS - tree）的传感器数据流活动识别方法。FPS是一种基于滑动窗口的方法，用于从数据流中发现最近的活动模式。所提出的工作的目的是在识别频繁的模式，用户从传感器数据流，后来建模为活动识别。FPM算法使用一种称为链接传感器数据流（Linked Sensor Data Stream，LSDS）的数据结构来存储传感器数据流信息，从空间和时间两个方面提高了频繁模式挖掘算法的效率。实验结果表明，该算法的效率和该FPM进一步扩展到应用功率效率使用HUP检测高使用的电力消耗的居民在灵巧家庭。
2013-06-25 cs.AI cs.DB
Data Stream Clustering: Challenges and Issues
Islamic Azad University, Karaj Branch（伊斯兰阿扎德大学卡拉伊分校）；University Putra Malaysia (UPM)（马来西亚博特拉大学）
需要非常大的数据库来存储不断插入和查询的大量数据。分析海量数据集，提取有价值的模式，在许多应用中是研究人员感兴趣的。我们可以确定两个主要的技术组巨大的数据库挖掘。一组是指流数据和应用挖掘技术，而第二组则试图直接用有效的算法解决这个问题。近年来，许多研究者将数据流作为一种有效的策略来解决大数据库挖掘问题，而不是对整个数据库进行挖掘。数据流挖掘中的主要问题是演化数据更难被发现，因此需要采用无监督的方法。然而，聚类技术可以帮助我们发现隐藏的信息。在本调查中，我们试图澄清：第一，一般与数据流聚类相关的不同问题定义;第二，在这一研究领域遇到的具体困难;第三，不同的假设，理论和直觉形成了不同方法的基础;以及几个突出的解决方案如何解决不同的问题。索引术语-数据流、聚类、K均值、概念漂移
2010-06-28 cs.DB cs.LG
Approximate-Closed-Itemset Mining for Streaming Data Under Resource Constraint
在这里，我们提出了一种新的算法频繁项集挖掘流数据（FIM-SD）。在过去的十年中，各种FIM-SD方法在一遍近似设置已被开发来近似每个项目集的频率。这些方法可以分为两种近似类型：参数约束（PC）挖掘和资源约束（RC）挖掘。PC方法基于预定义的参数控制可以包括在频率中的最大误差。相比之下，RC方法基于资源约束限制最大内存消耗。然而，现有的PC方法可以指数地增加存储器消耗，而现有的RC方法可以快速地增加最大误差。在这项研究中，我们解决这个问题，通过引入一个压缩表示的概念，称为$Δ$覆盖集，RC近似。这个概念被认为是封闭性压缩的一个扩展，当$Δ= 0$时，解对应于一个普通的封闭项集。该算法在资源约束条件下，寻找能恢复频繁项集及其频率的近似闭项集，最大误差以整数$Δ$为界.我们首先提出了一个单程近似算法来寻找凝聚的解决方案。然后，我们通过引入统一的PC-RC近似方法改进了基本算法。最后，我们经验证明，该算法显着优于最先进的PC和RC方法FIM-SD。
2019-01-07 cs.DB cs.DS
Mining frequent items in the time fading model
提出了一种基于草图的数据流频繁项挖掘算法FDCMSS。该算法巧妙地结合了向前衰减，计数最小和节省空间算法的关键思想。它工作在时间衰落模型下，根据收银机模型挖掘数据流。我们正式证明了它的正确性，并通过大量的实验结果表明，我们的算法优于$λ$ -HCount，最近开发的算法，在速度，所用的空间，精度达到和错误的合成和真实的数据集。
2016-08-02 cs.DB cs.DS
An Adaptive parameter free data mining approach for healthcare application
在当今世界，医疗保健是影响人类生活的最重要因素。由于工作量大，无法进行个人保健。建议的系统作为一种预防措施，用于确定一个人是否适合或不适合的人的历史和实时的数据的基础上，通过应用聚类算法，如K-均值和D-流。基于密度的聚类算法即D-stream算法克服了K-Means算法的缺点。通过计算它们的性能指标，我们最终发现这两种算法的有效性和效率。这两种聚类算法都适用于病人的生物医学历史数据库。为了检查这两种算法的正确性，我们将它们应用于患者当前的生物医学数据。
2012-11-08 cs.DB
Overview of streaming-data algorithms
由于数据汇集技术的最新进展，正在以极快的速度收集大量数据。此外，这些数据可能是无限的。从传感器、设备和其他数据源收集的无限数据流被称为数据流。可以对数据流执行各种数据采掘任务以搜索感兴趣的模式。本文研究了一个特殊的数据采掘任务，聚类，它可以作为第一步，在许多知识发现过程。通过将数据流分组到同质集群中，数据挖掘人员可以了解数据特征，然后可以将其开发为新数据的分类模型或未知事件的预测模型。最近的研究解决了数据流挖掘的问题，以处理需要处理大量数据的应用程序，如传感器数据分析和金融应用程序。对于这样的分析，消耗少量内存的单通道算法是至关重要的。
2012-03-09 cs.DB cs.IR
Incremental Mining of Frequent Serial Episodes Considering Multiple Occurrences
Inria（法国国家信息与自动化研究所）；Carnegie Mellon University（卡内基梅隆大学）；University of Waikato（怀卡托大学）；Telecom Paris（巴黎电信学院）；Institut Polytechnique de Paris（巴黎理工学院）
分析来自流的信息的需要出现在各种应用中。其基本研究方向之一是挖掘数据流上的序列模式。现有的研究多基于事务中模式的存在来挖掘项目序列，而没有考虑项目集序列及其多次出现的情况。然而，在一个窗口的项集流和它们的多次出现的模式，提供了额外的能力来识别模式的基本特征和它们之间的相互关系是无法识别的现有的基于存在的研究。在本文中，我们研究了这样一个新的序列模式挖掘问题，并提出了相应的顺序矿工与新的策略，有效地修剪搜索空间。在真实数据和合成数据上的实验表明了该方法的有效性。
2022-04-09 cs.AI cs.DB
Dynamic and Scalable Data Preparation for Object-Centric Process Mining
本文针对对象中心化过程挖掘中现有事件日志格式在流式数据场景下灵活性、可扩展性和可维护性不足的问题，提出了一种基于中心辐射型架构的中间数据存储枢纽数据库格式及新型关系模式，并通过轻量级开源数据栈实现端到端方案加以验证。
2024-10-01 cs.DB
Incremental classification using Feature Tree
近年来，流数据已经成为数据库、计算机科学和数据采掘社区的一个快速增长的研究领域。流数据是实例的有序序列。在数据流挖掘的许多应用中，使用有限的计算和存储能力，数据只能被读取一次或多次。流数据分类中出现的一些问题对算法开发有重要影响，这些问题包括数据库的大小、在线流、高维数和概念漂移。当历史数据和目标变量的属性随着时间的推移突然改变时，在这种情况下，预测将随着时间的推移而变得不准确时，会发生概念漂移。针对流数据分类问题，提出了增量分类框架。该框架介绍了基于Trie结构的增量特征树、基于Trie结构的增量FP（FrequentPattern）增长树和基于树的增量分类算法。
2014-02-07 cs.DB
Continuous Outlier Mining of Streaming Data in Flink
Department of Informatics, Aristotle University of Thessaloniki, Greece（塞萨洛尼基亚里士多德大学信息学系）；The University of Manchester, UK（曼彻斯特大学）
在这项工作中，我们专注于度量空间中基于距离的离群值，其中实体是否是离群值的状态是基于其邻域中其他实体的数量。近年来，有几种解决方案已经解决了数据流中基于距离的离群值问题，其中离群值必须随着新元素的可用而不断挖掘。一个有趣的研究问题是将流环境与大规模并行系统相结合，以提供可扩展的基于流的算法。然而，先前提出的技术中没有一个涉及大规模并行设置。我们的提案填补了这一空白，并调查了将最先进的技术转移到Apache Flink的挑战，这是一个用于密集流媒体分析的现代平台。我们全面介绍了遇到的技术挑战和可能应用的替代方案。我们显示的速度高达117（分别。2076）倍于一个天真的平行（resp.非并行）解决方案，只使用一个普通的四核机器和一个真实世界的数据集。当迁移到三台机器集群时，由于竞争较少，我们能够在窗口幻灯片大小和数据维度方面实现更好的可扩展性，甚至更高的加速，例如，是510倍总的来说，我们的研究结果表明，oulier挖掘可以以一种高效和可扩展的方式实现。由此产生的技术已作为开源软件公开提供。
2019-02-21 cs.DB cs.DC cs.LG
On Finding Similar Items in a Stream of Transactions
虽然在事务数据流中发现频繁项集方面已经做了大量的工作，但这些工作都没有解决根据标准相似性度量来发现相似对的问题。本文是第一次尝试处理这个问题，可以说是更重要的，问题。我们从一个否定的结果开始，这个结果也解释了在寻找频繁项集的数据采掘算法的空间使用上缺乏理论上的上限：的任何算法（即使只是近似的，并有错误的机会）找到最频繁的k-项集必须使用空间Ω（min{mb，n^k，（mb/phi）^k}）比特，其中mb是到目前为止流中的项目的数量，n是不同项目的数量，并且phi是支持阈值。为了实现任何非平凡的空间上界，我们必须放弃对数据流的最坏情况假设。我们工作的模型下，交易来随机顺序，并表明，令人惊讶的是，不仅是小空间的相似性挖掘可能的最常见的相似性措施，但挖掘精度提高与流的长度为任何固定的支持阈值。
2010-10-12 cs.DB cs.DS
Comparative Evaluation of Data Stream Indexing Models
近年来，数据流的管理和处理已经成为计算机科学的几个领域（例如，分布式系统、数据库系统和数据采掘）中活跃的研究主题。数据流可以被认为是一个短暂的，不断增加的数据序列。在数据流应用中，由于在线监控的存在，对用户查询的响应要求具有时间和空间效率。在本文中，我们考虑索引的特殊要求，以确定在数据流处理环境中的不同技术的性能。流索引与传统数据库中的方法有主要区别。此外，我们分析比较数据流索引模型，可以提供一个合适的方法进行流索引。
2012-08-03 cs.DB
StreamWorks - A system for Dynamic Graph Search
通过处理不断增长的社交媒体、新闻或网络数据流来应对时间紧迫的事件是一项重大的技术挑战。这些数据源中的许多可以建模为多关系图。在连续环境中挖掘和搜索子图模式需要一种高效的增量图搜索方法。我们工作的目标是实现图形数据库的实时搜索功能。本演示将展示一个动态图查询系统，该系统利用了底层多关系图的结构和语义特征。
2013-06-11 cs.DB
Privacy Preserving Utility Mining: A Survey
在大数据时代，收集的数据通常包含丰富的信息和隐藏的知识。面向实用程序的模式挖掘和分析已经显示出强大的能力来探索这些无处不在的数据，这些数据可以从各个领域和应用中收集，例如购物篮分析，零售，点击流分析，医学分析和生物信息学。然而，对这些具有敏感私人信息的数据进行分析会引起隐私问题。为了在效用最大化和隐私保护之间取得更好的平衡，隐私保护效用挖掘（PPUM）成为近年来的一个重要问题。在本文中，我们提供了一个全面的概述PPUM。本文首先介绍了效用挖掘、隐私保护数据采掘和PPUM的背景，然后介绍了PPUM的相关概念、问题表述以及PPUM的一些关键评价标准。特别是，我们提出并讨论了目前国家的最先进的PPUM算法，以及它们的优点和不足之处的详细信息。最后，我们强调并讨论了一些技术挑战和开放的方向，为未来的研究PPUM。
2018-11-18 cs.DB
Real-Time Data Mining of Massive Data Streams from Synoptic Sky Surveys
科学和技术数据收集的性质正在迅速演变：数据量和速率呈指数级增长，复杂性和信息内容不断增加，从静态数据集过渡到必须进行实时分析的数据流。有趣或异常的现象必须通过有限资产的最佳部署来快速表征和跟进额外的测量。现代天文学在数字天气巡天中以瞬变事件的形式呈现了各种各样的这类现象，包括宇宙爆炸（超新星、伽马射线暴）、相对论现象（黑洞形成、喷流）、潜在危险的小行星等。我们一直在开发一套机器学习工具，用于检测、分类和规划对天文学应用中瞬态事件的响应，使用卡塔利娜实时瞬态调查（CRTS）作为科学和方法的测试平台。对可能最有趣的事件迅速作出反应的能力是一个关键的瓶颈，它限制了当前和预期的天气天空调查的科学回报。类似的挑战出现在其他情况下，从使用传感器网络的环境监测到自主航天器系统。考虑到数据速率的指数级增长和时间紧迫的响应，我们需要一种完全自动化和强大的方法。我们描述了迄今为止所取得的成果，以及未来可能的发展。
2016-01-18 astro-ph.IM cs.DB
A Comparative Analysis of Data Mining Tools in Agent Based Systems
世界范围内的技术进步带来了广泛的变化，采用和利用开放源码工具。由于全球大多数组织都要处理大量的在线更新数据，并且每秒钟都要进行交易，因此管理、挖掘和处理这些动态数据非常复杂。数据采掘技术的成功实施需要对挖掘专家可用的各种工具和算法进行仔细评估。本文提供了一个比较研究的开放源数据采掘工具提供给专业人士。除了实时的挑战，影响选择的apt工具的参数进行了讨论。然而，事实证明，代理有助于提高数据采掘工具的性能。本文提供了一个基于代理的数据预处理框架的信息与实现细节，更好的工具在市场上的发展。源数据采掘工具与代理模拟的集成使人们能够实现有效的数据预处理架构，从而提供应用程序的鲁棒能力，该应用程序可以使用来自应用程序开发人员的最小预先规划要求进行升级。
2012-10-03 cs.DB
A Survey of Parallel Sequential Pattern Mining
随着共享资源的日益普及，自动收集大量不同类型的复杂数据。传统的数据采掘算法普遍存在内存开销大、处理速度慢、硬盘空间不足等问题和挑战。序列模式挖掘作为数据采掘的一项基本任务，在现实生活中有着广泛的应用。然而，它比其他模式挖掘任务更复杂和更具挑战性，即，频繁项集挖掘和关联规则挖掘，在处理大规模数据时也面临上述挑战。为了解决这些问题，在并行或分布式计算环境中挖掘序列模式已经成为一个重要的问题，具有许多应用。在本文中，深入调查的并行序列模式挖掘（PSPM）的现状进行了调查和提供，包括传统的串行SPM方法的详细分类，和最先进的并行SPM。本文详细回顾了并行序列模式挖掘的相关工作，包括基于划分的并行序列模式挖掘算法、基于Apriori的并行序列模式挖掘算法、基于模式增长的并行序列模式挖掘算法和基于模式增长的并行序列模式挖掘混合算法，并对并行序列模式挖掘算法进行了深入的描述（即，这些并行方法的特点、优点、缺点和总结。对PSPM的一些前沿问题，包括并行定量/加权/效用序列模式挖掘、不确定数据和流数据的PSPM、PSPM的硬件加速等进行了详细的综述。此外，我们还回顾并提供了一些著名的PSPM开源软件。最后总结了PSPM在大数据时代面临的挑战和机遇。
2019-04-05 cs.DB
Science User Scenarios for a Virtual Observatory Design Reference Mission: Science Requirements for Data Mining
新的大型天文数据库的知识发现潜力是巨大的。当这些与丰富的遗留数据档案结合使用时，科学发现的机会迅速增加。虚拟天文台（VO）框架将使透明和有效的访问，搜索，检索和可视化的数据在多个数据存储库，这通常是异构和分布式的。方面的数据挖掘，适用于各种科学用户的情况下，VO进行审查。虚拟观测站的发展应满足各种天文学研究群体的数据挖掘需求。通过举例的方式，两个用户的情况下，调用应用程序和跨目录和图像域的数据链接，以解决特定的天体物理学研究问题。这些说明了VO所需能力和力量的子集，因此它们代表了VO设计参考任务的潜在组成部分。
2000-08-19 astro-ph cs.DB cs.DL
Graph-based process mining
流程挖掘是一个研究领域，它支持从业务流程的执行事件日志中发现有关业务流程的信息。组织中事件日志数量的增加对当前的流程挖掘技术提出了挑战，这些技术倾向于将数据加载到计算机的内存中。这个问题限制了组织大规模地应用流程挖掘，并且由于缺乏数据管理能力而引入了风险。因此，本文介绍和形式化的一种新的方法来存储和检索事件日志到/从图数据库。它定义了一种在图数据库中计算直接跟随图（DFG）的算法，将流程挖掘的繁重计算部分转移到图数据库中。在图数据库中计算DFG使得能够利用图数据库的水平和垂直缩放能力，以有利于大规模地应用流程挖掘。此外，它消除了将数据转移到分析师计算机中的要求。因此，它使得能够在图形数据库中使用数据管理能力。我们在Neo4j中实现了这种方法，并使用真实的日志文件与当前技术进行了比较。结果表明，当数据量远大于计算内存时，我们的方法能够计算DFG。当将数据分割成小块时，它也显示出更好的性能。
2020-07-18 cs.DB
Targeted Mining Precise-positioning Episode Rules
本文提出目标精确定位情节规则定义及TaMIPER算法，通过四种优化策略高效挖掘用户指定查询情节的规则，在多个领域具有预测应用潜力。
2024-06-07 cs.DB
Imprecise temporal associations and decision support systems
近年来，决策支持系统、人工智能和数据采掘在消费电子产品和日常生活中的快速和普遍渗透已经非常重要。用户体验等领域一直在促进这些技术集成到软件和硬件中，但后端处理仍然基于二进制基础。本文描述了一种挖掘数据流中事件之间不精确的时间关联的方法，同时考虑到近似的非常自然的概念。这种类型的关联分析可能会导致更有意义和可操作的决策支持系统。
2018-03-03 cs.DB
PQStream: A Data Stream Architecture for Electrical Power Quality
本文提出了一种用于电能质量分析的数据流体系结构PQStream。PQStream的开发是为了处理和管理来自土耳其电力传输系统的电力PQ参数的全国移动测量的时间演变数据。它是一个功能齐全的系统，具有一个数据测量模块，用于处理连续PQ数据，一个流数据库，用于存储测量模块的输出，以及最后一个图形用户界面，用于回顾分析存储在流数据库中的PQ数据。所提出的模型部署，并提供给PQ专家，学者和研究人员的区域。作为进一步的研究，数据采掘方法，如分类和聚类算法将被应用，以推断有用的PQ信息，从这个数据库的PQ数据。
2015-04-18 cs.DB
Event Stream-Based Process Discovery using Abstract Representations
Eindhoven University of Technology（埃因霍温理工大学）
流程发现源于流程挖掘领域，其目的是基于业务流程执行数据发现流程模型。大多数进程发现技术依赖于事件日志作为输入。事件日志是捕获业务流程执行的历史数据的静态源。在本文中，我们专注于过程发现依赖于业务流程执行事件的在线流。从事件流中学习过程模型既带来了挑战，也带来了机遇，即我们需要使用有限的内存和最好是恒定的时间来处理无限数量的数据。我们提出了一个通用的体系结构，允许采用几类现有的进程发现技术的事件流的上下文中。此外，我们提供了几个实例的架构，伴随着在过程挖掘工具包ProM（http：//www.example.com）的实现。promtools.org使用这些实例，我们评估几个方面的流为基础的进程发现。评估表明，所提出的架构允许我们解除流程发现流域。
2017-04-25 cs.AI cs.DB cs.DS
A Historical Context for Data Streams
University of Helsinki（赫尔辛基大学）；Ecole Polytechnique（巴黎综合理工学院）
本文回顾了数据流研究的历史背景，旨在将流式机器学习中常见的严格假设置于其历史脉络中加以理解。
2023-10-18 cs.DB cs.LG cs.SY
A Scalable Stream-Oriented Framework for Cluster Applications
本文提出了一种面向流的结构集群应用程序的体系结构。运行基于此架构的应用程序的集群可以扩展到数十万个节点，而性能损失或可靠性问题明显较少。我们的架构利用数据流的流性质，并通过负载均衡减少拥塞，隐藏数据推送背后的延迟，并透明地处理节点故障。在我们正在进行的工作中，我们正在开发一个实现这种架构，我们能够运行简单的数据采掘应用程序的集群模拟器。
2005-04-13 cs.DB cs.DC cs.NI
Data Mining Model for the Data Retrieval from Central Server Configuration
一个服务器，这是保持跟踪繁忙的文档流量，是无法过滤的文件，最相关的和更新的连续文本搜索查询。本文主要研究如何处理持续高文档流量的连续文本提取。主要目标是检索最近更新的文件是最相关的查询，通过应用滑动窗口技术。该方案基于倒排文件的原理，采用结构化的方式对主存中的流文档进行索引，并采用基于增量阈值的方法对文档到达和过期事件进行处理。它还确保使用无监督重复检测消除重复文档检索。根据用户反馈对文档进行排名，并给予更高的优先级进行检索。
2013-11-20 cs.DB cs.IR
Integrating E-Commerce and Data Mining: Architecture and Challenges
我们表明，电子商业领域可以提供所有正确的成分，成功的数据采掘，并声称它是一个杀手域的数据采掘。我们描述了一个集成的体系结构，根据我们的经验，在蓝色马提尼软件，支持这种集成。该架构可以显著减少预处理、清理和数据理解工作，这些工作通常在知识发现项目中占用80%的时间。我们强调需要在应用程序服务器层（而不是Web服务器）进行数据汇集，以支持对发现过程至关重要的数据和元数据的日志记录。我们描述了从事务处理系统和客户事件流（例如，clickstreams）到数据仓库。我们详细介绍了挖掘工作台，它需要通过报告、数据采掘算法、可视化和OLAP提供数据的多个视图。我们总结了一系列挑战。
2000-07-14 cs.AI cs.CV cs.DB
EdgeMiner: Distributed Process Mining at the Data Sources
本文提出EdgeMiner算法，直接在传感器节点上对实时事件流进行分布式过程挖掘，避免集中存储原始数据，提升了可扩展性与隐私性，实验证明其能高效确定事件前驱，通信开销最高降低96%。
2024-10-13 cs.DB cs.DC
Data Management and Mining in Astrophysical Databases
我们分析了天体物理数据的管理和挖掘所涉及的问题。天体物理学领域的传统数据管理方法无法跟上现代探测器收集的数据量的增长。从大型数据集中自动提取信息抽取的工具，即数据采掘技术，如聚类和分类算法，将在天体物理学研究中发挥重要作用。这就需要一种基于数据仓库的数据管理方法，强调数据访问的效率和简单性;使用多维访问方法获得效率，通过正确处理元数据实现简单性。在大型数据集上的聚类和分类技术提出了额外的要求：在数据大小、聚类或分类结果的可解释性和客观性方面的计算和内存可扩展性。在这项研究中，我们提出了一些可能的解决方案。
2003-07-16 astro-ph cs.DB physics.data-an
Intelligent Cross-Organizational Process Mining: A Survey and New Perspectives
University of Oxford（牛津大学）；Peng Cheng Laboratory（鹏城实验室）；Institute for Infocomm Research, A*STAR（新加坡资讯通信研究院（新加坡科技研究局下属））；Fudan University（复旦大学）；Squirrel Ai Learning（松鼠AI智适应教育）
本文综述流程挖掘与人工智能结合的最新进展，提出跨组织智能流程分析框架，并展望未来研究方向，旨在利用AI提升复杂多组织数据分析的预测与决策能力。
2024-07-15 cs.AI cs.CE cs.DB
Tailoring Machine Learning for Process Mining
Università degli Studi di Milano（米兰大学）；University of Trieste（的里雅斯特大学）；Khalifa University（哈利法大学）；RWTH Aachen University（亚琛工业大学）
本文分析过程数据训练机器学习模型时因分布假设和并发约束被忽视而产生的问题，提出应深入理解这些问题，为建立使机器学习与过程挖掘正确对齐的方法论奠定基础。
2023-06-17 cs.AI cs.DB cs.LG
Computer-Aided Data Mining: Automating a Novel Knowledge Discovery and Data Mining Process Model for Metabolomics
American University of Madaba（马代巴美国大学）；Aberystwyth University（阿伯里斯特威斯大学）
这项工作提出了MeKDDaM-SAGA，计算机辅助自动化软件，用于实现一种新的知识发现和数据挖掘过程模型，该模型旨在进行合理的，可追溯的和可重复的代谢组学数据分析。该过程模型侧重于实现代谢组学分析目标，并考虑其所涉及的数据的性质。MeKDDaM-SAGA被成功地用于指导许多代谢组学应用中的过程模型执行。它满足所提出的过程模型设计和执行的要求。该软件实现了过程模型的布局、结构和流程，并且它能够在外部使用各种数据挖掘和机器学习工具或在内部使用许多嵌入式设施来执行其执行，这些嵌入式设施是为执行许多自动化活动而构建的，例如数据预处理、数据探索、数据适应、建模、评估和可视化。MeKDDaM-SAGA是使用面向对象的软件工程方法开发的，并在Java中构建。它由241个设计类组成，旨在实现27个用例。该软件使用XML数据库来保证可移植性，并使用GUI界面来确保其用户友好性。它实现了一个内部嵌入式版本控制系统，用于实现和管理流程流、反馈和迭代，并允许撤消和重做流程阶段、活动及其阶段内的内部任务的执行。
2019-07-09 cs.DB cs.LG q-bio.QM
