基于偏序的頻繁序列模式壓縮算法研究.pdf

1、伴隨計算機應用的普及，特別是網(wǎng)絡技術的高速發(fā)展，人們利用信息技術產生和搜集數(shù)據(jù)的能力大幅度提高，而現(xiàn)實世界中的數(shù)據(jù)也是越來越豐富，從大量的數(shù)據(jù)中提取知識也變得越來越困難。數(shù)據(jù)挖掘的發(fā)展大大的方便了知識的提取，但隨著計算處理速度的提高，目前很多數(shù)據(jù)挖掘問題的研究瓶頸已不是在數(shù)據(jù)挖掘的效率，而是在挖掘的模式的質量上。 頻繁模式挖掘是數(shù)據(jù)挖掘中的一項很關鍵的技術，為了提高頻繁模式挖掘的質量，本文針對序列模式的特點，提出了基于偏序的頻繁

2、序列模式壓縮算法ApproxPO(Towards Frequent Sequential Paaem Mining Compression Using Ap-proximate Partial Order)。它以頻繁序列模式為輸入，可視化的偏序為輸出。算法充分利用了序列之間的關聯(lián)性和偏序在知識表達上的優(yōu)越性，使得算法不但能夠對序列模式進行精簡，而且能夠方便的分析所得到的挖掘結果。它主要包括如下的幾個步驟： ●數(shù)據(jù)預備：生成，清理

3、實驗數(shù)據(jù)，使所得數(shù)據(jù)能夠被算法所直接使用，本文一共對三種數(shù)據(jù)進行了清理。 ●距離定義：本文根據(jù)序列模式和偏序的特點，提出了三種序列模式間的距離，并對它們進行相關的比較和測試。 ●模式總結：以常用的k-中心聚類和層次聚類的方法為基礎對模式進行了總結。 ●近似偏序生成：提出了近似偏序的概念，說明了生成近似偏序的過程，并對部分的近似偏序挖掘實例進行了分析●效果評估：定義了時間效率的評估和質量的評估方法，并將算法在多個的