基于位值壓縮存儲(chǔ)的頻繁模式挖掘方法及應(yīng)用研究.pdf

1、計(jì)算機(jī)技術(shù)已經(jīng)成熟地應(yīng)用于現(xiàn)實(shí)生活中的各個(gè)領(lǐng)域，實(shí)現(xiàn)了對(duì)數(shù)據(jù)的收集、存儲(chǔ)以及簡(jiǎn)單統(tǒng)計(jì)處理分析。數(shù)據(jù)挖掘技術(shù)能夠進(jìn)一步發(fā)現(xiàn)隱藏在數(shù)據(jù)中的關(guān)聯(lián)規(guī)則，而頻繁模式挖掘是關(guān)聯(lián)規(guī)則挖掘的重要步驟。頻繁模式挖掘有著廣泛的應(yīng)用領(lǐng)域，根據(jù)挖掘?qū)ο蟮牟煌?，又可以得到不同的分類。本文?duì)現(xiàn)有的頻繁模式挖掘算法進(jìn)行了詳細(xì)的總結(jié)，根據(jù)事務(wù)中項(xiàng)發(fā)生的位置，采用位置值或者比特位的形式壓縮存儲(chǔ)數(shù)據(jù)集，基于位值壓縮存儲(chǔ)研究頻繁模式中的頻繁項(xiàng)集挖掘算法和頻繁序列挖掘算法，設(shè)

2、計(jì)了不同挖掘要求下的高效算法以及適用于生物序列和顧客購(gòu)買行為分析的應(yīng)用算法。本文的研究?jī)?nèi)容和創(chuàng)新成果如下：
　　首先，介紹了頻繁模式挖掘的相關(guān)定義和分類，并給出了不同分類下的典型算法。通過(guò)研究現(xiàn)狀分析，對(duì)現(xiàn)有頻繁模式挖掘算法進(jìn)行總結(jié)對(duì)比，進(jìn)一步學(xué)習(xí)算法各自的優(yōu)缺點(diǎn)，發(fā)現(xiàn)其中存在的問(wèn)題和面臨的新挑戰(zhàn)。在充分了解頻繁模式挖掘算法發(fā)展過(guò)程的基礎(chǔ)上，列舉頻繁模式挖掘算法的典型應(yīng)用，根據(jù)頻繁模式挖掘算法的理論意義和應(yīng)用價(jià)值，對(duì)其發(fā)展趨勢(shì)進(jìn)行

3、預(yù)測(cè)分析。
　　其次，提出了兩種不同挖掘需求下的頻繁項(xiàng)集挖掘算法。MaxPat_HB算法通過(guò)挖掘最大頻繁項(xiàng)集，有效縮小了頻繁項(xiàng)集的規(guī)模，采用邊產(chǎn)生候選項(xiàng)集邊進(jìn)行頻繁性測(cè)試的策略來(lái)避免過(guò)多候選集的產(chǎn)生。與此同時(shí)，算法采用位向量和棧思想，用位向量值的變換代替出棧和入棧操作，使得算法達(dá)到較高的效率。FP_TopK算法用于挖掘前k名頻繁項(xiàng)集，該算法適用于需要較少結(jié)果集的專家系統(tǒng)或者決策支持系統(tǒng)等。算法從樹(shù)形結(jié)構(gòu)中抽取節(jié)點(diǎn)集合，節(jié)點(diǎn)信息中包

4、含節(jié)點(diǎn)在樹(shù)中先序遍歷和后序遍歷的順序值，進(jìn)而基于節(jié)點(diǎn)信息進(jìn)行候選集的生成和測(cè)試。在保證頻繁性的前提下，得到高質(zhì)量的挖掘結(jié)果。
　　再次，設(shè)計(jì)了三種不同挖掘需求下的頻繁序列模式挖掘算法。CB-PMFS算法是具有常規(guī)挖掘任務(wù)的算法，引入位置信息，可以通過(guò)一次對(duì)比雙向產(chǎn)生候選集，很好地解決了算法運(yùn)行過(guò)程中的瓶頸的問(wèn)題，即產(chǎn)生候選集所需要的時(shí)間過(guò)多。TDD_MFS算法用于挖掘最大頻繁序列模式，也可以有效地減小頻繁序列模式的結(jié)果集，算法采用

5、延遲分解的思想，自頂向下，總是對(duì)最長(zhǎng)的序列進(jìn)行分解，避免了對(duì)頻繁子集的重復(fù)挖掘。FIIP-BM算法將頻繁序列模式挖掘算法進(jìn)一步劃分為內(nèi)部問(wèn)題和內(nèi)聯(lián)問(wèn)題。內(nèi)部問(wèn)題指在一次事務(wù)中發(fā)生，內(nèi)聯(lián)問(wèn)題則是在制定的間隔內(nèi)，發(fā)生在同一單元的不同的事務(wù)中。當(dāng)間隔設(shè)置為零時(shí)，算法適用于內(nèi)部問(wèn)題，即常規(guī)挖掘任務(wù)；當(dāng)間隔不為零時(shí)，算法適用于內(nèi)部問(wèn)題和內(nèi)聯(lián)問(wèn)題，可以得到內(nèi)部頻繁模式和內(nèi)聯(lián)頻繁模式。
　　最后，結(jié)合生物序列的特性和顧客購(gòu)買行為的分析需求設(shè)計(jì)了

6、兩個(gè)應(yīng)用算法。生物序列挖掘算法FBSB考慮到生物序列必須連續(xù)出現(xiàn)的特性，引入元素的位置信息建立快速排序列表，通過(guò)位置信息值必須相鄰的要求，保證了所有候選集都是真實(shí)出現(xiàn)的，并且可以得到全部頻繁序列，滿足了生物序列挖掘正確性的要求。顧客購(gòu)買行為挖掘算法FP-ICA將顧客購(gòu)買行為分析分為面向貨物和面向顧客的，通過(guò)位向量和位值變換來(lái)實(shí)現(xiàn)挖掘過(guò)程，面向貨物的挖掘結(jié)果可以用于商家管理自己的貨架，促使顧客在一次購(gòu)買行為中購(gòu)買更多的相關(guān)貨物；面向顧客的