基于Gibbs抽樣的關(guān)聯(lián)規(guī)則挖掘研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，人類進(jìn)入了大數(shù)據(jù)時代，產(chǎn)生了海量數(shù)據(jù)。傳統(tǒng)的數(shù)據(jù)分析方法和技術(shù)已難以處理，數(shù)據(jù)挖掘技術(shù)也就應(yīng)運(yùn)而生了，其中數(shù)據(jù)挖掘中比較重要的一個分支是關(guān)聯(lián)規(guī)則挖掘，已被廣泛地應(yīng)用在各種領(lǐng)域，尤其是在生物信息學(xué)領(lǐng)域。生物信息學(xué)是一門新興的交叉學(xué)科，已成為關(guān)聯(lián)規(guī)則挖掘最富有機(jī)遇與挑戰(zhàn)的應(yīng)用領(lǐng)域之一。當(dāng)前用于從數(shù)據(jù)集中進(jìn)行關(guān)聯(lián)規(guī)則挖掘的算法大多數(shù)是確定性的和枚舉的，因此當(dāng)應(yīng)用于如項(xiàng)目空間具有幾百個項(xiàng)目的密集型數(shù)據(jù)集時，其計(jì)算就變得難以處理

2、。
　　本文使用的是一種基于Gibbs抽樣的隨機(jī)搜索過程，從項(xiàng)目空間中隨機(jī)地抽取給定規(guī)則后件的規(guī)則前件，再從樣本生成的簡化事務(wù)數(shù)據(jù)集中來尋找原交易數(shù)據(jù)集中最重要的關(guān)聯(lián)規(guī)則。首先選取關(guān)聯(lián)規(guī)則重要性度量，并給出了基于Gibbs抽樣隨機(jī)搜索的算法過程。再通過模擬生成項(xiàng)目空間較小和較大的兩組數(shù)據(jù)集，分別使用本文提出的方法和Apriori算法來挖掘出給定規(guī)則后件且最重要的關(guān)聯(lián)規(guī)則。最后使用提出的基于Gibbs抽樣方法來分析一組DNA序列剪接

3、位點(diǎn)數(shù)據(jù)集，分別找出剪接位點(diǎn)屬于EI類和IE類的與基因序列哪些字段有重大關(guān)聯(lián)以及這些字段都取的是什么堿基。
　　通過模擬實(shí)驗(yàn)，可以發(fā)現(xiàn)基于Gibbs抽樣的隨機(jī)搜索方法能夠簡化項(xiàng)目空間，原數(shù)據(jù)集中給定規(guī)則后件且最重要的關(guān)聯(lián)規(guī)則是可以從簡化數(shù)據(jù)集中以極限概率為1來找到的。實(shí)證部分發(fā)現(xiàn)DNA序列剪接位點(diǎn)是EI類的主要與第31個字段堿基為G，第32個字段堿基為T和第35個字段堿基為G有很大的關(guān)聯(lián)。IE類的主要與第21個字段堿基為T，第29