改進(jìn)的PrefixSpan算法在生物序列模式挖掘中的應(yīng)用.pdf

1、生物數(shù)據(jù)隨著人類基因組計(jì)劃的完成呈指數(shù)形式增長，而如何從這海量的生物數(shù)據(jù)中挖掘人類有用的知識(shí)，更好地應(yīng)用在其它研究領(lǐng)域成為現(xiàn)代生物信息學(xué)的主題.生物序列數(shù)據(jù)庫是最基本的生物數(shù)據(jù)庫之一.生物序列模式挖掘就是從大量的生物序列中挖掘有意義的知識(shí)的過程，它是在序列模式挖掘的基礎(chǔ)上發(fā)展起來的，但生物序列又有區(qū)別于其他序列的顯著特征，這些特征使得其挖掘算法的研究不同于普通的序列模式挖掘.生物序列有長度長，數(shù)量大等特征，生物序列模式又有模糊匹配、包含

2、不定長間隔約束等特征，這些特征都是生物序列模式挖掘算法設(shè)計(jì)過程中要考慮的問題.本文首先介紹了生物序列模式挖掘的意義及研究現(xiàn)狀，詳細(xì)分析了生物序列模式挖掘的特點(diǎn)，并針對(duì)生物序列模式挖掘提出改進(jìn)的PrefixSpan算法，并結(jié)合實(shí)際數(shù)據(jù)做了實(shí)驗(yàn)分析.
　　 論文主要工作如下：
　　 1.由于生物序列模式挖掘過程中容易產(chǎn)生大量的短序列模式，尤其是在支持度較低的情況下，而這些短模式對(duì)于生物學(xué)的研究意義不大，并且對(duì)算法的效率有很大

3、影響.針對(duì)這一問題，本文提出了模式劃分的思想，即將原序列劃分為較長的等長子序列，尋找頻繁的等長子序列，再將這些序列重新連接起來，也就是在模式挖掘之前對(duì)原序列進(jìn)行預(yù)處理，使得挖掘算法能夠更加有效.
　　 2.PrefixSpan算法采用模式增長的思想有效解決了序列模式挖掘問題，但它無法直接應(yīng)用于生物序列中，針對(duì)生物序列要求挖掘連續(xù)長模式的特點(diǎn)，本文提出改進(jìn)的PrefixSpan算法，引入跨度策略并對(duì)跨度進(jìn)行選擇，采用初始投影集對(duì)P