圖數(shù)據(jù)庫頻繁模式挖掘關(guān)鍵技術(shù)研究.pdf

1、從圖數(shù)據(jù)庫挖掘頻繁模式在化學(xué)信息學(xué)、計(jì)算生物學(xué)、WEB信息管理、社會(huì)網(wǎng)絡(luò)分析等領(lǐng)域有著廣泛的應(yīng)用。因此本文重點(diǎn)研究了從圖數(shù)據(jù)庫中挖掘頻繁模式的關(guān)鍵技術(shù)，并針對(duì)頻繁模式挖掘所面臨的效率瓶頸、結(jié)果集龐大以及高復(fù)雜、冗余性等問題，在本文中提出了基于隨機(jī)化挖掘極大頻繁子圖的方法RMPM、挖掘具有代表性頻繁子圖的算法FRSM、InRSM。本文的主要研究成果有：
　　 1．隨機(jī)化方法在挖掘海量數(shù)據(jù)集時(shí)非常高效，但是因?yàn)殡S機(jī)性，會(huì)造成結(jié)果的重

2、復(fù)發(fā)現(xiàn)，勢(shì)必造成很多重復(fù)和無用的子圖同構(gòu)計(jì)算。本文提出的基于隨機(jī)化挖掘極大頻繁子圖的方法RMPM，通過對(duì)已挖掘到的結(jié)果建立索引，提高了隨機(jī)算法的效率。在真實(shí)和模擬數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果也證實(shí)了RMPM算法是高效、可伸縮的。本文提出的隨機(jī)算法的思想是通用的，可以應(yīng)用于各種各樣的模式，比如自由樹、項(xiàng)集等，在真實(shí)數(shù)據(jù)集上挖掘極大頻繁自由樹的實(shí)驗(yàn)結(jié)果也證實(shí)了RMPM算法是通用的。
　　 2．為了壓縮頻繁模式集合，挖掘出更小、更有代表性的頻繁

3、模式集合，本文提出了挖掘具有代表性頻繁模式的算法FRSM，算法第一步采用本文提出的效率更高的RMPM算法作為頻繁模式挖掘算法，第二步在RMPM結(jié)果集上聚類，在聚類時(shí)，綜合考慮頻繁子圖在事務(wù)空間上的相似性和模式空間上的相似性，使得聚類的質(zhì)量更好，獲得的模式更具代表性。在大量的實(shí)驗(yàn)上也證明了FRSM算法所得到的代表模式集合比不考慮或只考慮模式在事務(wù)空間上的相似性的聚類所得到的模式更具代表性。
　　 3．本文也提出直接從圖數(shù)據(jù)庫中挖掘