從數(shù)據(jù)集中挖掘頻繁函數(shù)集的研究和應用.pdf

1、數(shù)據(jù)挖掘是當前數(shù)據(jù)庫研究開發(fā)和應用的熱點。函數(shù)挖掘是從科學數(shù)據(jù)中發(fā)現(xiàn)有效的函數(shù)關系，它是數(shù)據(jù)挖掘技術的重要研究方向?！　鹘y(tǒng)的函數(shù)挖掘本身具有很多局限性，在實際問題中難于應用：(1)挖掘目標是單個函數(shù)，但單個函數(shù)對現(xiàn)實世界中規(guī)律的描述能力很弱；(2)它難以被應用在復雜的數(shù)據(jù)集上。為了彌補這些缺陷，本文做了如下探索： (1)對函數(shù)挖掘的概念進行了擴展，提出了新的、描述能力更強的函數(shù)挖掘對象——頻繁函數(shù)集(FFS)，這一新概念旨在

2、描述在指定數(shù)據(jù)集上具有一定支持度的函數(shù)關系簇?！　?2)分析了頻繁函數(shù)集的性質。 (3)提出了可配置的FFS挖掘算法——ConfigurableFrequentFunctionSetDiscoveringAlgorithm(CFFSDA)，它靈活，可以配置使用多種搜索算法。 (4)分析CFFSDA的不足，進一步提出了可以滿足用戶不同興趣需求的基于約束的頻繁函數(shù)集(ConstrainedFFS)和相應的挖掘框架。

3、 (5)基因表達式編程(GEP)是函數(shù)關系挖掘的新方法，本文利用GEP配置實化了CFFSDA，并且在GEP研究中首次采用了精度閾值隊列策略(PTQ)，該策略有效地提高了算法的成功概率。 (6)探索了FFS在數(shù)據(jù)庫查詢優(yōu)化和分類中的應用。舉例說明了利用FFS進行查詢優(yōu)化，在其WHERE子句有等值條件和某些比較條件的SQL選擇語句中，比傳統(tǒng)查詢優(yōu)化策略有更好的效率。 (7)通過實驗證實了FFS的強大描述能力和FFS在分類中的