頻繁圖結構并行挖掘算法的研究與實現(xiàn).pdf

1、隨著包括化學情報學、生物信息學、計算機視覺、視頻索引、文本檢索以及Web分析在內的廣泛應用，圖做為一種一般的數據結構在復雜結構和它們之間相互作用建模過程中變得越來越重要。為了進一步進行特征化、區(qū)分、分類和聚類分析，挖掘頻繁子圖模式已經成為了一項重要的任務，頻繁子圖挖掘已經成為了數據挖掘中一個活躍和重要的課題。
　　在各種各樣的圖模式中，頻繁子結構是可以在圖集合中發(fā)現(xiàn)的非?；镜哪Ｊ健ｎl繁子結構可以用來刻畫圖集合的特征，區(qū)分不同的圖

2、組群，對圖進行分類和聚類，構造圖索引和更方便的在圖數據庫中進行相似性搜索，例如，通過對比不同類中頻繁圖的支持度，發(fā)現(xiàn)HIV甄別數據集中活躍的化學結構。但是，現(xiàn)有頻繁子圖挖掘算法在最小支持度很低時效果并不好，因此，本文給出在集群并行環(huán)境下頻繁圖并行挖掘算法。
　　本文主要的研究結果如下：
　　根據頻繁子圖挖掘算法gSpan的算法思想，提出了一種在基于集群并行環(huán)境下的動態(tài)負載平衡的頻繁子圖并行挖掘算法。該方法通過劃分DFS詞典樹