過去的許多研究表明在實際張量數(shù)據(jù)中密集的部分存在著異�；蛘咂墼p行為,如微博僵尸粉行為、網(wǎng)絡(luò)攻擊等。因此,研究人員提出了各種各樣的方法來針對密集塊的提取,但是這些方法存在低準確率和低召回率的缺點。針對這些缺點,提出了一種基于二叉樹搜索的多密集塊檢測方法(DDB-BST),通過對張量數(shù)據(jù)進行基于評價指標的局部搜索,找到評價指標最高的子張量數(shù)據(jù),將數(shù)據(jù)分成左右子節(jié)點,通過不斷比較父節(jié)點和左右子節(jié)點評價指標值的數(shù)值關(guān)系,判斷二叉樹生長是否終止。同時對終止條件給出了嚴格的數(shù)學證明。在合成數(shù)據(jù)集以及真實數(shù)據(jù)集上進行實驗,發(fā)現(xiàn)DDB-BST比現(xiàn)有的M-zoom多密集塊方法的F1值提高了近30%。

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 符號及定義
    1.1 符號定義
    1.2 評價指標
    1.3 問題定義
2 基于評價指標的二叉樹搜索的多密集塊檢測
    2.1 基于評價指標的二叉樹搜索的多密集塊檢測算法流程
    2.2 算法時間復(fù)雜度分析
    2.3 二叉樹生長條件
3 仿真實驗
    3.1 合成數(shù)據(jù)集仿真
    3.2 真實數(shù)據(jù)集仿真
4 結(jié)束語



本文編號：3773550