頻繁模式挖掘算法研究.pdf

1、頻繁模式挖掘是數(shù)據(jù)挖掘領(lǐng)域的一個基本問題，研究內(nèi)容一般包括項目集合、項目序列和時間序列等各種數(shù)據(jù)中的頻繁模式挖掘。其方法被廣泛應(yīng)用于許多其它數(shù)據(jù)挖掘任務(wù)中，如關(guān)聯(lián)規(guī)則、分類和聚類、周期分析、相似性查詢等等。由于問題本身的基礎(chǔ)性和內(nèi)在復(fù)雜性，頻繁模式挖掘方法成為許多研究者關(guān)注的課題。 本文對頻繁模式挖掘的算法進行了研究。重點研究了以下幾個方面的頻繁模式挖掘算法問題：項目集合的完全頻繁模式和部分頻繁模式挖掘算法；項目序列中的Web頻

2、繁路徑挖掘算法；時間序列的頻繁模式挖掘算法等。本文研究內(nèi)容和創(chuàng)新工作主要包括以下幾個方面： 對頻繁模式挖掘算法中常用的數(shù)據(jù)結(jié)構(gòu)FP-tree進行了深入的研究，提出了多種FP-tree的新操作方法，包括FP-tree的拆分、合并、投影等操作，使FP-tree在頻繁模式挖掘算法中得到更加靈活的運用，從而有利于提高算法的效率。 提出了在項目集合中挖掘頻繁模式的FP-DFS算法和FIPT算法。前者用于完全頻繁模式挖掘，后者用于部

3、分頻繁模式挖掘。FP-DFS算法以FP-tree為基本數(shù)據(jù)結(jié)構(gòu)，但不再使用條件模式基遞歸地構(gòu)造FP-tree，而是通過使用本文提出的FP-tree的新操作方法，以及新的搜索策略和剪枝策略，提高算法的搜索效率，并且減少了對內(nèi)存的占用。FIPT算法的特點是將概念格與FP-tree結(jié)合起來，通過使用本文提出的FP-tree的新操作方法提高概念格的更新效率，解決了批處理大量事務(wù)時的效率問題，而生成的概念格又可用于增量挖掘。 對于項目序列

4、的頻繁模式挖掘，重點研究了其中的Web頻繁訪問路徑挖掘問題，提出了基于網(wǎng)頁模糊分類的Web事務(wù)識別方法，并在此基礎(chǔ)上提出了一種挖掘頻繁訪問路徑的高效混合式算法WDHP。WDHP算法繼承了DHP算法使用hash樹過濾候選集以及裁剪數(shù)據(jù)庫的基本方法，當(dāng)數(shù)據(jù)庫被邏輯裁剪到一定程度時，便將數(shù)據(jù)庫以FP-tree的方式存儲于內(nèi)存，并在內(nèi)存中完成后繼的挖掘，既減少了內(nèi)存占用，又提高了算法的運行效率。 對于時間序列的頻繁模式挖掘，本文首先分析

5、了時間序列子序列聚類方法中存在的問題，提出了一種基于小波濾波的聚類算法。在此基礎(chǔ)上，進一步提出了基于小波濾波的時間序列頻繁模式挖掘算法，F(xiàn)requent-Wavelet算法。Frequent-Wavelet算法的基本原理是使時間序列通過多孔平滑濾波器組，然后對來自多個尺度序列的子序列進行聚類，從而將時間序列的頻繁模式挖掘問題轉(zhuǎn)化為項目序列的頻繁模式挖掘問題。由于成功地解決了時間序列頻繁模式挖掘中的平凡相似和時間軸伸縮問題，與同類算法相比