文献

J-GLOBAL ID：202002291987434141   整理番号：20A1961037

データストリームにおけるロバストな高頻度アイテムのマイニング【JST・京大機械翻訳】

Mining Robust Frequent Items in Data Streams

著者 (6件)： Xia Rui (Nanjing University, China) ,  Dai Haipeng (Nanjing University, China) ,  Du Zhanchao (China Academy of Space Technology, China) ,  Li Meng (Nanjing University, China) ,  Liu Alex X. (Nanjing University, China) ,  Chen Guihai (Nanjing University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： JCC  ページ： 110-117  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,データセットのノイズを考慮することによって,従来の頻出アイテムマイニングを一般化するデータストリームにおけるロバスト頻出アイテムマイニングの問題を研究した。すなわち,異なるアイテムはノイズのため同じエンティティに対応する。用例は,同じ対象物のいろいろな画像とセンサーによって測定した同じ設定における変動データを含んだ。著者らの目的は,同じエンティティに対応するそれらのアイテムを同定し,与えられた閾値を超える凝集周波数を持ち,それはロバストな頻出アイテムと名付けられる。知る限りでは,データストリームにおけるロバスト頻出アイテムマイニングに関する既存の研究は存在しない。本論文では,まず,低次元空間における問題に対処するために,サンプリングと空間分割を適用することによる方式を提案した。さらに,近似最近傍問題を取り扱うために,局所感受性ハッシュ方式を組み込むことによって,上記のアルゴリズムフレームワークを高次元空間に拡張した。合成データセットを用いて評価を行い,2つの事前適応方式と提案方式を比較した。著者らの結果は,このアルゴリズムの効率が,精度と再現に関して,それぞれ14.8%と9.8%の適応型空間サービングより優れていることを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  凝集 ,  雑音 ,  感受性 ,  近似法 ,  センサ ,  高次元 ,  *ロバスト性
準シソーラス用語： 最近傍問題 ,  *データストリーム ,  空間分割 ,  低次元 ,  エンティティ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： データストリーム ,  ロバスト ,  頻度