计算机科学与探索

作者：金灿, 王丽珍, 杨金华

单位：1. 云南大学 信息学院，昆明 6505002. 滇池学院 理工学院，昆明 650228

关键词：空间模式挖掘,局部同位模式（LCP）,加权Voronoi图,top-k,并行

基金：国家自然科学基金（62276227，62306266）；云南省基础研究项目（202201AS070015，202401AT070450）；云南大学研究生科研创新基金（KC-23235527，TM-23236919）。

局部同位模式（LCP）挖掘是空间同位模式挖掘的重要分支，旨在发现局部区域中频繁出现的同位模式。LCP能够揭示局部区域而非全局范围内空间特征之间的关联关系，在各种基于位置的应用领域中发挥积极的指导作用。现有LCP挖掘方法无法有效地识别人类活动驱动下（人为因素）形成的局部区域，并且难以设置合适的频繁度阈值去筛选不同区域的频繁模式。为了解决这些问题，提出一种新颖的基于加权维诺图（Voronoi图）的top-k LCP挖掘方法（Top-k LCPM-WVD）。该方法通过加权Voronoi图识别由于人为因素形成的LCP的分布区域，使用top-k挖掘框架高效地挖掘区域内最频繁的[k]个模式。同时，基于该框架设计了一系列优化策略进一步提高了挖掘效率。此外，为解决面向大规模数据集的效率问题，提出一种并行挖掘方案以加快挖掘过程，在4线程下的加速比达到1.65。在真实和合成数据集上的大量实验结果证实，与现有最先进算法相比，提出的Top-k LCPM-WVD方法能够更高效地发现可解释性的局部同位模式，其效率提升达到数十倍。

来源：2026年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第3期