作者：王菊; 刘付显数据挖掘模体发现不确定数据流formotif算法
摘要：该文针对多属性不确定数据流的频繁模式发现问题，借鉴生物信息学中的模体发现思想，提出了一种基于MEME（Multiple Expectation-maximization for Motif Elicitationl的多属性不确定数据流模体发现算法。该算法根据不确定数据流的特点，设计了基于混合型模型的不确定滑动窗口更新计算方法，改进了SAX（Symbolic Aggregate approXimationl的符号化策略，提出了不同滑动窗口下多属性模体的相似性分析方法。在实验当中，用防空反导情报传感器网络中的一组不确定数据流验证了其功能，通过植入不同数目的模体测试了其发现准确率，并在元组有效概率设置为1的条件下与已有算法进行了比较，结果表明：该算法可以较准确地发现多属性不确定数据流中的频繁模式。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
