基于序列數(shù)據(jù)庫的數(shù)據(jù)挖掘系統(tǒng)的設(shè)計和研究.pdf

1、序列模式挖掘就是發(fā)現(xiàn)序列數(shù)據(jù)庫中的頻繁子序列作為用戶感興趣的模式。它是當前數(shù)據(jù)挖掘領(lǐng)域中一個很重要、很活躍的研究課題。在現(xiàn)實生活中有著廣泛的應(yīng)用，例如：顧客購物模式分析、網(wǎng)絡(luò)訪問模式分析、科學(xué)研究或自然災(zāi)害中的序列或與時間有關(guān)的過程分析、疾病治療過程分析、DNA序列分析等等。因此，對于序列模式挖掘的深入研究必將有力地推動相關(guān)領(lǐng)域的研究。 用戶在使用數(shù)據(jù)挖掘系統(tǒng)進行數(shù)據(jù)挖掘時經(jīng)常帶有隨意性、反復(fù)性。即用戶不大可能一次就確定進行數(shù)據(jù)

2、挖掘的最小支持度閾值，而需要進行多次反復(fù)。如果數(shù)據(jù)挖掘系統(tǒng)運行的速度很慢，那么用戶就不可能容忍漫長的等待時間。為提高用戶使用系統(tǒng)的滿意度，可以將用戶使用系統(tǒng)過程中發(fā)現(xiàn)的知識保存在知識庫中，以加快系統(tǒng)的運行速度。本文在此基礎(chǔ)上，設(shè)計了序列模式數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)，提出了知識庫所存儲知識的結(jié)構(gòu)。知識庫中存儲有所包含知識的最小支持度閾值，所發(fā)現(xiàn)的序列模式以及它們的支持度，然后根據(jù)用戶查詢時可能提出的最小支持度，將這些知識分塊存儲，便于查詢。提出

3、了建立知識庫的方法，知識庫在何時更新，如何更新等等。 對于序列模式數(shù)據(jù)挖掘來說，挖掘算法是系統(tǒng)成功的關(guān)鍵。研究人員一直在努力設(shè)計效率更高的數(shù)據(jù)挖掘算法。本文在研究當前比較流行的一些序列模式挖掘算法的基礎(chǔ)上，重點分析了MEMISP算法的不足。針對這些不足，本文提出了一種改進的MEMISP算法。在將數(shù)據(jù)讀入內(nèi)存時即將原數(shù)據(jù)庫進行投影操作，去除了非頻繁項，避免了在進行數(shù)據(jù)挖掘時的無用讀取。設(shè)計了新的算法處理的數(shù)據(jù)結(jié)構(gòu)，并根據(jù)這樣的結(jié)構(gòu)