基于滑动窗口直接评估局部区间频率的稠密模式精确矿业
数据库
2026-04-28 v1
摘要
准确提取仅在特定时间区间内频繁出现的模式及其稠密区间对于理解季节性需求和检测异常行为至关重要。频繁项集矿业计算整个数据集上的支持，因此无法检测局部稠密模式。现有方法通过 occurrence-gap 约束估计稠密区间，但由于gap约束参数同时控制模式识别准确性和区间检测准确性，难以找到同时实现两者高准确性的参数设置。本文提出Apriori-window，一种解决这一结构限制的精确算法。该方法直接评估滑动窗口内的局部频率，因此无需gap约束参数，通过基于抗单调性的搜索空间修剪和步幅-跳过减少窗口扫描次数来高效枚举稠密区间。对三个真实数据集的实验表明，现有方法难以同时实现模式识别和稠密区间检测的高准确性，合成数据上的可扩展性实验确认了所提出方法的实际适用性。
引用
@article{arxiv.2604.24122,
title = {Exact Mining of Dense Patterns via Direct Evaluation of Local Interval Frequency Using a Sliding Window},
author = {Taihei Takahashi and Kanata Takayasu and Satoshi Suga and Satoshi Kurihara},
journal= {arXiv preprint arXiv:2604.24122},
year = {2026}
}
备注
24 pages, 3 figures