樹模式挖掘及其在樹流分類中的應(yīng)用研究.pdf

1、在近些年,樹挖掘和模式分類已經(jīng)成為數(shù)據(jù)挖掘經(jīng)中相當(dāng)活躍的研究領(lǐng)域。同時,由于數(shù)據(jù)多以連續(xù)流形式出現(xiàn),需要考慮數(shù)據(jù)分布隨時間而改變,例如感知器網(wǎng)絡(luò)、web日志、生物學(xué)中的各種酶分子結(jié)構(gòu)等。發(fā)現(xiàn)有識別能力的模式是樹挖掘中一個重要的環(huán)節(jié)。同時,設(shè)計實時快速的分類算法是非常有必要的,分類模型要適應(yīng)數(shù)據(jù)分布的動態(tài)變化。目前對結(jié)構(gòu)化數(shù)據(jù)的分類方法大多是基于頻繁子結(jié)構(gòu)挖掘,然后通過排序剪枝等處理將頻繁子結(jié)構(gòu)與類關(guān)聯(lián)得到結(jié)構(gòu)規(guī)則進而分類。現(xiàn)在成熟的樹流

2、分類算法主要有:使用代價敏感分類模型的分類算法Xrules,它發(fā)現(xiàn)大量滿足用戶最小支持度和置信度閾值的規(guī)則,然后從中選取高質(zhì)量的規(guī)則;以及先挖掘頻繁閉樹,隨后采用boosting分類方法的AdaTreeMiner算法等。
　　 本文首先闡述了樹挖掘理論的相關(guān)知識,分析了閉和最大頻繁樹模式挖掘的優(yōu)點,詳細介紹了類相關(guān)模式挖掘中的思想和原理。與Xrules相比,AdaTreeMiner算法提高分類的算法時間,并考慮到概念漂移,但是其

3、分類正確率相對較低。本文提出的樹流分類算法TSC,基于類相關(guān)模式,將SP-tree數(shù)據(jù)結(jié)構(gòu)引入到樹模式的發(fā)現(xiàn)過程中。在該過程中,使用分支界限法提高搜索效率,無需挖掘完全模式,另一方面對參考度不斷更新從而避免后剪枝操作,得到的樹模式可直接用于分類。其次,對統(tǒng)計中的卡方度量進行優(yōu)化,提高發(fā)現(xiàn)k-best樹模式的時間和空間效率;將得到的k-best樹模式用于樹流分類,方法簡單高效。此外,將一對多分類思想運用到樹流分類上,解決多類分類問題中的效