...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Knowledge and Data Engineering >A Non-Parametric Algorithm for Discovering Triggering Patterns of Spatio-Temporal Event Types
【24h】

A Non-Parametric Algorithm for Discovering Triggering Patterns of Spatio-Temporal Event Types

机译：发现时空事件类型触发模式的非参数算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Temporal or spatio-temporal sequential pattern discovery is a well-recognized important problem in many domains like seismology, criminology, and finance. The majority of the current approaches are based on candidate generation which necessitates parameter tuning, namely, definition of a neighborhood, an interest measure, and a threshold value to evaluate candidates. However, their performance is limited as the success of these methods relies heavily on parameter settings. In this paper, we propose an algorithm which uses a nonparametric stochastic de-clustering procedure and a multivariate Hawkes model to define triggering relations within and among the event types and employs the estimated model to extract significant triggering patterns of event types. We tested the proposed method with real and synthetic data sets exhibiting different characteristics. The method gives good results that are comparable with the methods based on candidate generation in the literature.
机译：在诸如地震学，犯罪学和金融学等许多领域中，时间或时空顺序模式发现是一个公认的重要问题。当前大多数方法基于候选者生成，候选者生成需要参数调整，即，邻域的定义，兴趣度量和阈值以评估候选者。但是，由于这些方法的成功很大程度上取决于参数设置，因此其性能受到限制。在本文中，我们提出了一种使用非参数随机去聚类程序和多元Hawkes模型来定义事件类型内部和事件类型之间的触发关系的算法，并使用估计的模型来提取事件类型的重要触发模式。我们用展现出不同特征的真实和综合数据集测试了该方法。该方法给出了可与文献中基于候选生成的方法相媲美的良好结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号