字符序列模式挖掘算法的研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘是一門多學科交叉的研究領(lǐng)域，它綜合了數(shù)據(jù)庫技術(shù)、人工智能、機器學習、統(tǒng)計學、知識工程、面向?qū)ο蠓椒ā⑿畔z索、高性能計算以及數(shù)據(jù)可視化等最新科學技術(shù)的研究成果。經(jīng)過二十多年眾多學者細致的研究，特別是進入21世紀，產(chǎn)生不少新概念和新算法。
　　在計算機實驗教學過程中，教師面向的學生較多，教師在有限的課堂時間中，通過巡視觀察學生屏幕可以發(fā)現(xiàn)學生是否進行與學習無關(guān)的操作（如玩游戲，上網(wǎng)等）。但教師很難全方位、多角度監(jiān)測到所有學生

2、的實驗情況，通過學生按鍵發(fā)現(xiàn)一些有價值的模式和規(guī)律，就需要對學生實驗按鍵操作進行挖掘分析。
　　序列模式挖掘是數(shù)據(jù)挖掘研究的一個重要領(lǐng)域，序列模式挖掘的對象主要有生物序列、時間序列和事件序列。本文把學生上機實驗的按鍵操作序列抽象為字符序列，針對按鍵操作模式進行深入的研究，主要工作包括以下幾個方面:
　　1)數(shù)據(jù)轉(zhuǎn)換。數(shù)據(jù)轉(zhuǎn)換主要完成以下幾個任務(wù)。任務(wù)一:將鍵盤按鍵碼轉(zhuǎn)換成鍵盤上對應(yīng)的按鍵;任務(wù)二:統(tǒng)計不同用戶的個數(shù)，給用戶進

3、行編碼得到用戶ID;任務(wù)三:給相同用戶不同時間段進行編碼得到時間戳ID。這些任務(wù)通過編寫C語言程序來完成。
　　2)通過研究SPADE算法，發(fā)現(xiàn)SPADE算法有一些缺點，如:計算用戶的支持度需要通過序列的Id list進行統(tǒng)計，如果有大量的候選序列產(chǎn)生的時候，需要不斷的進行連接操作，這時需要花費大量的時間，降低了算法的執(zhí)行效率。
　　3)本文主要針對SPADE算法的缺點，提出了SPADE算法的改進算法—基于垂直壓縮位圖的SP