一種新的頻繁子樹(shù)挖掘算法研究.pdf

1、隨著信息的爆炸式增長(zhǎng)，人們?nèi)找孀兊迷谛畔⒗?dāng)中不知所措。如何從這些無(wú)用的信息中挖掘出對(duì)我們有用的知識(shí)是近幾十年來(lái)數(shù)據(jù)挖掘的主要研究目的。最初的數(shù)據(jù)挖掘的對(duì)象是結(jié)構(gòu)化的關(guān)系表和事務(wù)數(shù)據(jù)庫(kù)。到目前為止，該領(lǐng)域已經(jīng)有了長(zhǎng)足的發(fā)展。然而，隨著數(shù)據(jù)挖掘應(yīng)用領(lǐng)域的不斷擴(kuò)大，如何從半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)當(dāng)中發(fā)現(xiàn)知識(shí)呢？這是目前研究人員所面臨的技術(shù)難題，因?yàn)閭鹘y(tǒng)的數(shù)據(jù)挖掘算法不能有效的應(yīng)用到這些領(lǐng)域中來(lái)。圖結(jié)構(gòu)能夠模擬幾乎所有的事物之間的聯(lián)系，它也能

2、應(yīng)用到上述半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)挖掘中來(lái)?；趫D的數(shù)據(jù)挖掘已成為數(shù)據(jù)挖掘中的一個(gè)新的研究熱點(diǎn)?；趫D的數(shù)據(jù)挖掘有廣闊的應(yīng)用空間，如在We挖掘、空間數(shù)據(jù)挖掘、生物信息學(xué)中蛋白質(zhì)結(jié)構(gòu)挖掘、藥物分子設(shè)計(jì)及其功能預(yù)測(cè)等領(lǐng)域都有廣泛的應(yīng)用。樹(shù)是一種特殊的圖，對(duì)頻繁子樹(shù)挖掘算法的研究有著重要的理論意義和應(yīng)用價(jià)值。 本文工作主要包括以下幾部分：(1)在分析當(dāng)前頻繁子樹(shù)挖掘定義的基礎(chǔ)上提出了基于支持度和頻繁度的頻繁子樹(shù)挖掘定義；(2)為計(jì)算模

3、式子樹(shù)的支持度和頻繁度，提出了一種基于樹(shù)同構(gòu)的候選子樹(shù)支持度與頻繁度的計(jì)數(shù)方法；(3)提出了森林的二維表表示方法，這提高了對(duì)數(shù)據(jù)庫(kù)訪問(wèn)的速度；(4)提出了一種新的候選子樹(shù)的生成方法，通過(guò)在數(shù)據(jù)庫(kù)的基礎(chǔ)上生成新的候選子樹(shù)，從而減少了為了計(jì)算子樹(shù)的支持度而進(jìn)行的無(wú)效的樹(shù)匹配問(wèn)題；(5)提出了頻繁子樹(shù)挖掘算法FSubtreeM，它能有效地從自由樹(shù)數(shù)據(jù)庫(kù)中挖掘頻繁的導(dǎo)出自由樹(shù)。 實(shí)驗(yàn)研究表明，F(xiàn)SubtreeM能有效地從實(shí)驗(yàn)數(shù)據(jù)庫(kù)car