本文選題：序列模式挖掘 + 一般間隙��； 參考：《計算機學報》2017年06期

【摘要】：序列模式挖掘是從給定序列中發(fā)現出現頻率高的模式的一種方法,目前已在諸多領域被廣泛應用.假定子模式p_i和p_j(ij)可以分別匹配事件A和事件B,傳統(tǒng)的序列模式挖掘方法能夠對事件B在事件A之后的序列進行檢測,而不能對事件B發(fā)生在事件A之前的序列進行識別.為了解決此問題,文中提出了周期性一般間隙約束的序列模式挖掘問題,該問題具有如下5個特點:間隙約束的最小值可為負值的一般間隙約束;每個間隙約束都相同的周期性模式;在支持數統(tǒng)計方面無特殊約束,即允許序列中事件多次使用;該挖掘問題滿足Apriori性質;挖掘支持率大于給定的頻繁度閾值的頻繁模式.為了進行有效地挖掘,采用深度優(yōu)先的方式建立模式樹.文中采用模式匹配技術,在一遍掃描序列數據庫的情況下,建立其所有超模式的不完整網樹森林(不完整網樹是網樹的最后一層結點,可以存儲在一個數組中,可以有效地表示一個模式在一個序列中的支持數),并對這些超模式的支持率進行有效地計算,進而挖掘出所有頻繁模式,有效地提高了序列模式挖掘速度.實驗結果驗證了文中算法的可行性和有效性.
[Abstract]:Sequential pattern mining is a method to discover patterns with high frequency from a given sequence, which has been widely used in many fields. It is assumed that the subpatterns pi and pstack _ jj _ ijj) can match event A and event B, respectively. The traditional sequential pattern mining method can detect the sequence of event B after event A, but can not identify the sequence of event B that occurred before event A. In order to solve this problem, a sequential pattern mining problem with periodic general gap constraints is proposed. The problem has the following five characteristics: the minimum value of gap constraints can be negative general gap constraints; Every gap constraint has the same periodic pattern; there are no special constraints in supporting statistics, that is, the events in the sequence are allowed to be used multiple times; the mining problem satisfies the Apriori property; and the mining support rate is greater than the given frequency threshold. In order to excavate effectively, the pattern tree is built in depth first. In this paper, the pattern matching technique is used to set up all the incomplete net tree forests of its superpattern (incomplete net tree is the last layer node of the net tree, which can be stored in an array) under the condition of scanning the sequence database once. It can effectively represent the support number of a pattern in a sequence, calculate the support rate of these superpatterns effectively, and then mine all frequent patterns, thus effectively improving the speed of sequential pattern mining. Experimental results show that the proposed algorithm is feasible and effective.
【作者單位】： 河北工業(yè)大學計算機科學與軟件學院;大連理工大學軟件學院;合肥工業(yè)大學計算機科學與信息工程學院;佛蒙特大學計算機系;
【基金】：國家自然科學基金(61229301) 教育部創(chuàng)新團隊項目(IRT13059) 河北省自然科學基金(F2013202138) 河北省教育廳重點項目(ZD2014009);河北省教育廳青年基金(QN2014192)資助~~
【分類號】：TP311.13

【參考文獻】

相關期刊論文 前3條

1 吳信東;謝飛;黃詠明;胡學鋼;高雋;;帶通配符和One-Off條件的序列模式挖掘[J];軟件學報;2013年08期

2 武優(yōu)西;劉亞偉;郭磊;吳信東;;子網樹求解一般間隙和長度約束嚴格模式匹配[J];軟件學報;2013年05期

3 王海平;胡學鋼;謝飛;郭丹;吳信東;;模式特征對帶有通配符和長度約束的模式匹配問題的影響[J];模式識別與人工智能;2012年06期

【共引文獻】

相關期刊論文 前10條

1 楊靜欣;毛國君;;一種基于位置信息的高效DNA序列挖掘算法[J];計算機應用與軟件;2017年06期

2 謝飛;強繼朋;;滿足非重疊條件的帶有通配符序列模式挖掘[J];小型微型計算機系統(tǒng);2017年05期

3 武優(yōu)西;周坤;劉靖宇;江賀;吳信東;;周期性一般間隙約束的序列模式挖掘[J];計算機學報;2017年06期

4 苗雪連;;間隙約束序列模式挖掘的對比研究[J];網絡安全技術與應用;2017年02期

5 袁二毛;郭丹;胡學鋼;吳信東;;基于打分矩陣的生物序列頻繁模式挖掘[J];模式識別與人工智能;2016年10期

6 胡學鋼;王海平;郭丹;李培培;;圖算法求解帶有限長空位和one-off約束的模式匹配問題[J];模式識別與人工智能;2016年05期

7 汪浩;王海平;吳信東;;帶有通配符和長度約束的模式匹配問題求解模型[J];計算機科學;2016年04期

8 崔妍;包志強;;關聯規(guī)則挖掘綜述[J];計算機應用研究;2016年02期

9 宋海濤;韋大偉;湯光明;孫怡峰;;基于模式挖掘的用戶行為異常檢測算法[J];小型微型計算機系統(tǒng);2016年02期

10 史巧碩;周慧霞;李楊;李娟;;回歸方法估算最長頻繁模式長度[J];河北工業(yè)大學學報;2015年05期

【二級參考文獻】

相關期刊論文 前2條

1 武優(yōu)西;吳信東;江賀;閔帆;;一種求解MPMGOOC問題的啟發(fā)式算法[J];計算機學報;2011年08期

2 鄒翔,張巍,劉洋,蔡慶生;分布式序列模式發(fā)現算法的研究[J];軟件學報;2005年07期

【相似文獻】

相關期刊論文 前10條

1 張長海;胡孔法;陳凌;;序列模式挖掘算法綜述[J];揚州大學學報(自然科學版);2007年01期

2 肖哲;任勝兵;;序列模式挖掘研究進展[J];科技信息(科學教研);2007年36期

3 陳卓;楊炳儒;宋威;宋澤鋒;;序列模式挖掘綜述[J];計算機應用研究;2008年07期

4 王虎;丁世飛;;序列模式挖掘研究與發(fā)展[J];計算機科學;2009年12期

5 陳曉;;一種模糊序列模式挖掘的有效方法[J];現代計算機(專業(yè)版);2010年13期

6 李乃乾;姚新會;田東平;;多時間粒度序列模式挖掘[J];小型微型計算機系統(tǒng);2011年01期

7 吳孔玲;繆裕青;蘇杰;張曉華;;序列模式挖掘研究[J];計算機系統(tǒng)應用;2012年06期

8 聶成林,王浩,胡學鋼;基于概念格的序列模式挖掘[J];計算機工程;2003年20期

9 龔惠群,黃超,彭江平;具有雙時間維約束的股票序列模式挖掘[J];計算機工程;2003年20期

10 許兆新,郝燕玲;約束在序列模式挖掘中的應用研究[J];計算機工程與應用;2004年05期

相關會議論文 前10條

1 呂靜;陳未如;劉俊;Osei Adjei;;并發(fā)分支模式挖掘[A];第二十一屆中國數據庫學術會議論文集（技術報告篇）[C];2004年

2 端義鋒;胡谷雨;丁力;;序列模式挖掘在網絡告警分析中的應用[A];2004年全國通信軟件學術會議論文集[C];2004年

3 朱輝生;李存華;;序列模式挖掘的研究與實現[A];第二十一屆中國數據庫學術會議論文集（技術報告篇）[C];2004年

4 程銀波;司菁菁;;帶有間隔約束的序列模式挖掘算法[A];第二十二屆中國數據庫學術會議論文集（技術報告篇）[C];2005年

5 李潤恒;賈焰;金鑫;;一種面向網絡安全的序列模式挖掘方法[A];第二十五屆中國數據庫學術會議論文集（二）[C];2008年

6 李晟;姜青山;郭順;王備戰(zhàn);;一種優(yōu)化的蛋白質序列模式挖掘方法[A];第26屆中國數據庫學術會議論文集（B輯）[C];2009年

7 姚偉力;王錫祿;宋俊德;;基于序列模式挖掘的告警相關性分析算法[A];2005年信息與通信領域博士后學術會議論文集[C];2005年

8 任家東;解玉潔;何海濤;張愛國;;基于改進前綴樹PStree的最大序列模式挖掘[A];NDBC2010第27屆中國數據庫學術會議論文集(B輯)[C];2010年

9 牛興雯;楊冬青;唐世渭;王騰蛟;;OSAF-tree——可迭代的移動序列模式挖掘及增量更新方法[A];第二十一屆中國數據庫學術會議論文集（研究報告篇）[C];2004年

10 張銳;熊峗;陳越;朱揚勇;;MS-BioSM:一個基于多支持度生物序列模式挖掘算法[A];第二十四屆中國數據庫學術會議論文集（技術報告篇）[C];2007年

相關博士學位論文 前8條

1 張勁松;基于約束的序列模式挖掘及其應用研究[D];上海交通大學;2015年

2 金陽;基于概念格模型的序列模式挖掘算法研究[D];吉林大學;2007年

3 謝飛;帶有通配符的序列模式挖掘研究[D];合肥工業(yè)大學;2011年

4 熊峗;生物序列模式挖掘與聚類研究[D];復旦大學;2007年

5 楊鈐雯;序列模式挖掘方法及Web使用挖掘研究[D];天津大學;2010年

6 陸介平;描述性規(guī)則挖掘若干關鍵技術研究[D];東南大學;2006年

7 葉紅云;面向金融營銷問題的個性化推薦方法研究[D];合肥工業(yè)大學;2011年

8 徐前方;基于數據挖掘的網絡故障告警相關性研究[D];北京郵電大學;2007年

相關碩士學位論文 前10條

1 張長海;分布式序列模式挖掘算法研究[D];揚州大學;2008年

2 陳曉;基于模糊集的序列模式挖掘研究[D];天津大學;2007年

3 俞單慶;序列模式挖掘及其在入侵檢測中的應用研究[D];南京師范大學;2008年

4 楊名時;加權負序列模式挖掘算法研究[D];齊魯工業(yè)大學;2015年

5 周慧霞;回歸方法估算最長頻繁模式長度研究[D];河北工業(yè)大學;2015年

6 馮建;基于命題邏輯的頻繁序列模式挖掘算法的研究[D];浙江工業(yè)大學;2014年

7 廖清科;面向時間序列相似性的序列模式挖掘及應用[D];重慶交通大學;2015年

8 周坤;一般周期間隙約束的序列模式挖掘[D];河北工業(yè)大學;2015年

9 向劍平;Web日志中序列模式挖掘算法的研究[D];重慶大學;2015年

10 董鑫;時序數據序列模式挖掘[D];南京航空航天大學;2015年

，

本文編號：1777391