帶通配符的多序列模式挖掘研究.pdf

1、近年來,數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的極大關注。其主要原因是隨著信息技術和互聯(lián)網(wǎng)的快速發(fā)展,在各個應用領域的數(shù)據(jù)庫中儲存了大量可以廣泛使用的數(shù)據(jù),并且迫切需要將這些數(shù)據(jù)轉換成有用的信息和知識。頻繁模式挖掘應運而生,它是數(shù)據(jù)挖掘的一個重要組成部分,其主要任務是挖掘在數(shù)據(jù)集中頻繁出現(xiàn)的模式。
　　在現(xiàn)實世界中,許多應用包含的都是連續(xù)的序列和數(shù)據(jù)流,例如DNA和蛋白質(zhì)序列等。但是,實際上各個事件是很少獨立發(fā)生的,彼此之間密切相關。因此,對多

2、序列結構的研究可以有效地幫助我們挖掘出那些至關重要的模式。
　　本文主要研究的是“帶通配符的多序列模式挖掘”。盡管目前已有的多序列模式挖掘算法中包含了通配符,但是這些算法受到字母表的制約,產(chǎn)生大量候選項集,時間與空間效率很差。本文將引入one-off條件,不但能夠制約候選項集的規(guī)模,提高時間與空間性能,還能夠使挖掘得到的模式更加靈活,具有更廣泛的應用價值。
　　鑒于此,本文的主要研究內(nèi)容如下:
　　(1)對頻繁模式挖掘

3、以及帶通配符的頻繁模式挖掘進行了探討與研究。
　　(2)提出了M-OneOffMine算法:此算法滿足one-off條件、Apriori性質(zhì)。在生物DNA序列上的實驗證明,在多序列集上,在相同的問題環(huán)境下,M-OneOffMine算法比現(xiàn)有的MCPaS算法具有更好的時間性能。在兩種算法挖掘的頻繁模式的相似度高于80％的情況下,我們的算法能夠挖掘到更多的頻繁模式。在單序列集上,相較于MPP算法,不僅能夠挖掘到更多的頻繁模式,而且在時