條件差異模式挖掘算法研究.pdf

1、差異模式挖掘是數(shù)據(jù)挖掘領(lǐng)域中最重要的研究課題之一。差異模式挖掘旨在發(fā)現(xiàn)在帶有不同類標(biāo)簽的數(shù)據(jù)集中出現(xiàn)頻率有顯著差異的模式，該類型的模式對(duì)組間差異檢測(cè)和分類器構(gòu)建等很多實(shí)際應(yīng)用都有非?？捎^的價(jià)值。由于缺乏明確的統(tǒng)一的規(guī)范，在不同領(lǐng)域以及不同時(shí)段的研究，差異模式挖掘有著不同的術(shù)語，主要包括相異集合挖掘(Contrast set mining)，新興模式挖掘（Emerging pattern mining），子群發(fā)現(xiàn)(Subgroupdisc

2、overy)等。
　　近年來，基于類標(biāo)簽數(shù)據(jù)集合的差異模式挖掘研究發(fā)展迅速，諸多算法被逐一提出。盡管這些方法在一定程度上均能在一定限度的時(shí)間內(nèi)挖掘出一定數(shù)量的差異模式，然而如何盡可能地剔除差異能力嚴(yán)重受顯著子集影響的冗余模式仍然是差異模式挖掘研究所面臨的最困難的挑戰(zhàn)。
　　本文在差異模式定義的基礎(chǔ)上，提出條件差異模式的概念，即條件差異模式是頻繁的，且同時(shí)具有全局統(tǒng)計(jì)顯著性和局部統(tǒng)計(jì)顯著性的模式。類似差異模式挖掘問題的定義，條

3、件差異模式研究可分為兩大類問題進(jìn)行探究:(1)指定閾值的條件差異模式挖掘;(2) Top-k條件差異模式挖掘。針對(duì)條件差異模式挖掘的這兩類問題，以及差異模式挖掘面臨的主要瓶頸，本文提出了兩個(gè)條件差異模式挖掘算法CDPM-TB和CDPM-TK。CDPM-TB用來解決指定閾值的條件差異模式挖掘問題，而CDPM-TK用來解決Top-k條件差異模式挖掘問題。這兩個(gè)方法首先將輸入數(shù)據(jù)存儲(chǔ)成一個(gè)樹形的數(shù)據(jù)結(jié)構(gòu)，然后通過深度優(yōu)先遍歷的方式來報(bào)告統(tǒng)計(jì)顯