37、天文数据挖掘与星载数据挖掘技术解析

天文数据挖掘与星载数据挖掘技术解析

1. 天文数据挖掘中的 MCCRs 方法

在天文数据挖掘领域，MCCRs（Maximal Clique Co - location Rules）方法旨在从SDSS（Sloan Digital Sky Survey）数据中发现复杂的空间共定位模式，以挖掘天文知识。

1.1 相关算法对比

通过对比 GridClique 和 Naïve 算法的运行时间，发现使用距离为 1 Mpc 时，GridClique 算法在效率上表现更优。以下是运行时间对比图的相关说明：
| 物体数量（千个） | 运行时间（秒，对数刻度） | Naïve 算法 | GridClique 算法 |
| — | — | — | — |
| 10 | - | - | - |
| 11 | - | - | - |
| 12 | - | - | - |
| 13 | - | - | - |
| 14 | - | - | - |
| 15 | - | - | - |
| 16 | - | - | - |
| 17 | - | - | - |
| 18 | - | - | - |
| 19 | - | - | - |
| 20 | - | - | - |

从图中可以推测，随着物体数量的增加，GridClique 算法在运行时间上的优势可能会更加明显，这得益于其基于分治策略的启发式设计。

1.2 关联规则示例

MCCRs 技术生成的关联规则示例如下表所示，这些规则的前件和后件均为星系类型的物体，邻域