基于序列數據庫的數據挖掘系統(tǒng)的設計和研究.pdf

1、序列模式挖掘就是發(fā)現序列數據庫中的頻繁子序列作為用戶感興趣的模式。它是當前數據挖掘領域中一個很重要、很活躍的研究課題。在現實生活中有著廣泛的應用，例如：顧客購物模式分析、網絡訪問模式分析、科學研究或自然災害中的序列或與時間有關的過程分析、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領域的研究。 用戶在使用數據挖掘系統(tǒng)進行數據挖掘時經常帶有隨意性、反復性。即用戶不大可能一次就確定進行數據

2、挖掘的最小支持度閾值，而需要進行多次反復。如果數據挖掘系統(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。本文在此基礎上，設計了序列模式數據挖掘系統(tǒng)的結構，提出了知識庫所存儲知識的結構。知識庫中存儲有所包含知識的最小支持度閾值，所發(fā)現的序列模式以及它們的支持度，然后根據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。 對于序列模式數據挖掘來說，挖掘算法是系統(tǒng)成功的關鍵。研究人員一直在努力設計效率更高的數據挖掘算法。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。在將數據讀入內存時即將原數據庫進行投影操作，去除了非頻繁項，避免了在進行數據挖掘時的無用讀取。設計了新的算法處理的數據結構，并根據這樣的結構