基于間隔事件的時間模式挖掘算法研究.pdf

1、本文研究了有時間間隔的事件的挖掘問題。假設原始數(shù)據庫由事件序列集構成，其中事件發(fā)生在時間間隔內，我們的目的是挖掘出數(shù)據庫中頻繁發(fā)生的間隔事件間的時間關聯(lián)規(guī)則。之所以進行這項工作是因為我們觀察到在實際生活中，很多事件并不是瞬時發(fā)生的，而是發(fā)生在一段時期內。因此，許多諸如網絡監(jiān)測，交易記錄和醫(yī)療數(shù)據庫的分析等實際應用都需要挖掘出間隔事件之間的關系。
　　本文改進了現(xiàn)有的被稱為EMEMISP(Extending of MEMory In

2、dexing for Sequential Pattern mining)的算法，該算法用來從間隔事件數(shù)據中挖掘時間關聯(lián)規(guī)則。在序列模式挖掘領域，MEMISP算法比其他諸如GSP和PrefixSpan等算法更高效，因此EMEMISP算法選擇了擴展該算法，使其應用于基于間隔事件的時間關聯(lián)規(guī)則挖掘領域。和EMEMISP算法相比，改進后的算法主要做了兩個方面的提高。首先，在挖掘過程中，我們基于Apriori算法原理應用了剪枝策略，這將有效的降

3、低算法的計算量。其次，和EMEMISP算法將每個模式中涉及的所有事件間的關系全部存儲起來不同，我們只存儲頻繁2-模式中事件間的關系，在存儲其他的n-模式時(n>2),通過增加相應的指針來指向對應的頻繁2-模式。
　　類似于EMEMISP算法，改進后的算法同樣要求首先掃描數(shù)據庫，并且不需要生成候選模式集和數(shù)據庫映射。在得到所有的頻繁模式后，應用相應的算法得到我們感興趣的時間關聯(lián)規(guī)則。
　　除了改進EMEMISP算法外，本文還在