聚集類(lèi)型數(shù)據(jù)中頻繁模式挖掘的研究.pdf

1、該文的工作在關(guān)聯(lián)規(guī)則挖掘的范疇以?xún)?nèi),對(duì)從聚集類(lèi)型數(shù)據(jù)中的頻繁模式挖掘問(wèn)題進(jìn)行了研究.該文的主要貢獻(xiàn)在于:●提出了針對(duì)有序標(biāo)號(hào)樹(shù)的Chopper算法和XSpanner算法.這兩個(gè)算法不僅在性能上要優(yōu)于同類(lèi)算法,更重要的是它提出了樹(shù)的序列化表示和先同分后異構(gòu)的思想.通過(guò)先區(qū)分出形式上一致的模式,再進(jìn)行結(jié)構(gòu)上的鑒別的思想就可以縮小需要進(jìn)行同構(gòu)判定的對(duì)象范圍,使同構(gòu)判斷的難題被限制在一定區(qū)域內(nèi),從而改善算法的整體性能.●提出了針對(duì)唯一標(biāo)號(hào)圖的A

2、MGM算法和SFP算法.我們可以將唯一標(biāo)號(hào)圖能轉(zhuǎn)換為項(xiàng)集的形式,但是需要在連通性的進(jìn)一步考慮上.AMGM算法是基于A(yíng)priori思想的,而SFP算法則充分利用了FP-Growth的特點(diǎn).這兩個(gè)算法可以高效地挖掘唯一標(biāo)號(hào)圖庫(kù)中頻繁出現(xiàn)的連通子圖.●頻繁模式操作對(duì)象類(lèi)型從原來(lái)的原子類(lèi)型數(shù)據(jù)拓廣為聚集類(lèi)型數(shù)據(jù).對(duì)頻繁模式操作對(duì)象的推廣將有助于關(guān)聯(lián)規(guī)則分析應(yīng)用的拓展.從最初的購(gòu)物籃分析到現(xiàn)在的互聯(lián)網(wǎng)、XML等半結(jié)構(gòu)化數(shù)據(jù)、化學(xué)分子結(jié)構(gòu)分析,關(guān)聯(lián)