并发分支模式及其挖掘算法

基于序列模式图可以定义某些结构化的新知识，如分支模式、重复模式以及它们的组合——结构模式．在基于事件的数据或序列数据中发现结构模式是后序列模式挖掘的任务．基于Apriori算法思想，介绍结构模式的主要形式——并发分支模式及其挖掘算法，并通过示例解释挖掘算法的实现过程．该算法的基本思想是在粗并发分支模式的基础上生成并发分支模式，在并发分支模式生成过程中采用自底向上的方法．基于Apriori的并发分支模式挖掘算法的提出为进一步挖掘结构模式提供了重要的理论支持．     

并发序列模式挖掘在学生成绩分析中的应用

将并发序列模式挖掘应用于学生成绩分析,可以帮助高校调整教学内容,预测学生学习效果,从而促进学生的学习和教学质量的提高.以学生各学期科目成绩为数据源,设计实现算法BV,在挖掘得到序列模式的基础上,计算每个客户序列的分支向量,并以此为基础进行并发序列模式挖掘.通过实验可以看出,在时间效率上,改进算法优于支持向量的并发序列模式挖掘算法;课程成绩并发序列模式随着并发度和支持度的不断增大,在某一取值处,达到峰值,然后逐渐减少;算法在高校学生科目成绩上进行实验,得到了有指导意义的并发集.     

在频繁序列模式中挖掘并发序列模式

结构关系模式挖掘是本课题组提出的一种新的数据挖掘理论,主要研究序列之间的并发关系、互斥关系、重复关系等.并发序列模式挖掘是结构关系模式挖掘的重要组成部分.文中从序列间的相对关系出发研究并发关系,给出并发序列模式的相关性质,并对现有并发序列模式挖掘算法进行优化.通过实验对比可以看出：该算法根据并发序列模式的反单调特性和非平凡特性,对挖掘结果进行大幅精简,使得挖掘更有实际意义.     

基于并发序列模式的偏序模式挖掘

在并发序列模式挖掘基础上进一步挖掘偏序关系模式,讨论相关度、有序度、有序关系序列、偏序关系和偏序关系模式等概念,给出基于并发序列模式的偏序模式挖掘方法,该方法利用并发和偏序之间的联系,应用并发与偏序之间的包含关系,有效的在并发序列模式的基础上得到偏序关系模式.     

互斥关系模式挖掘算法研究

序列模式挖掘是数据挖掘的一个重要领域,在序列挖掘的基础上有了结构关系模式的概念,重点研究结构关系模式的一个重要分支——互斥关系模式.首先给出互斥关系模式的定义,然后讨论什么是负关联规则挖掘及其与互斥关系模式之间的联系与区别,从而得到互斥关系模式挖掘的过程;给出互斥关系模式挖掘过程采用的主要算法,并针对算法进行设计与实现,实验证明算法正确有效.     

时序关系下的闭合序列模式挖掘算法

序列挖掘算法产生冗余序列,造成其运行时间过长.对此,提出了一种新的闭合序列挖掘算法——时序关系下的闭合序列模式挖掘算法.依据闭合序列模式的性质,通过比较频繁序列与每个1-项频繁序列之间的时序关系,推断频繁序列模式是否可扩展.基于IBM公司的合成数据,将其与闭合序列模式挖掘算法进行比较,实验结果表明,这种新的闭合序列挖掘算法可以有效降低运行时间且不易受到属性值个数的影响.     

增加交易时序列模式的维护

挖掘序列模式是数据挖掘的主要内容之一，目前已有许多序列模式模型和相应的挖掘算法。本文讨论了在交易数据库中增加新的交易时，发现序列模式的维护问题，并提出了一种有效的维护算法－ 增量更新算法。     

序列模式挖掘在网络告警分析中的应用

序列模式挖掘可以用来有效地发现网络系统中的告警关联知识.论文研究了序列模式挖掘在网络告警分析中的具体应用.首先,将挖掘过程分成了特定设备告警序列挖掘、同类设备告警序列挖掘和互联设备告警序列挖掘等3类,根据不同的用户意图来有效地确定挖掘范围,避免对无关数据的访问.为了进一步提高挖掘算法的执行效率,又提出了用于描述网络拓扑信息的拓扑约束,并设计了基于拓扑约束的互联设备告警序列模式挖掘算法.     

改进的PrefixSpan算法及其在序列模式挖掘中的应用

由于序列模式挖掘需要花费大量计算时间,并需要占用大量存储空间.减少计算量、节省存储空间开销成为序列模式挖掘的关键.因PrefixSpan 算法不产生候选,而适当应用Bitmap数据结构可避免重复扫描数据库,基于此,本文提出了BM-PrefixSpan算法,用于序列模式挖掘,设计并构造了PFPBM(Prefix of First Position on BitMap)表用于记录序列中的每个项在位图中第1次出现的位置.实验结果表明,BM-PrefixSpan算法综合了PrefixSpan和SPAM算法的优点,能够更快、更好地挖掘出序列模式.     

基于序列模式挖掘的告警相关性分析算法

告警相关性分析在通信网络管理中有着重要的应用.提出了一种基于序列模式挖掘提取告警相关性规则的方法.针对引入时间约束的序列模式挖掘问题提出了较为完备的数学模型,定义了求解问题的规则,并构造了引入时间约束的序列模式挖掘算法(FSPTM算法).算法采用特定的数据结构记录序列的时间信息,提高了支持度的计算效率.对某省移动网络连续4个月告警数据的分析结果验证了算法的有效性.     

一种基于单序列的序列模式挖掘方法研究

在前期研究工作的基础上,研究在单序列中序列模式的概念,讨论了相关的性质,这些概念和性质与多序列情况有很大的不同.在此基础上给出了在单序列中基于滑动窗口概念挖掘序列模式的方法及相关算法,为进一步研究序列模式及其挖掘算法提供了一定的理论基础.     

小波滤波在时间序列频繁模式挖掘中的应用

与布尔型数据的频繁模式挖掘相比,时间序列的频繁模式挖掘是一个相对复杂的问题,目前对此类问题还缺少深入的研究.通过对小波滤波的研究,提出了一种时间序列的频繁模式挖掘算法,Frequent-Wavelet算法.该算法的特点是采用多孔平滑滤波器组对时间序列做低通平滑处理,用得到的多个尺度序列表示原序列,较好地解决了时间序列的平凡相似问题和时间轴伸缩问题.实验表明,Frequent-Wavelet算法对于时间序列的频繁模式挖掘具有较好的效果.     

基于路径连接的XML复杂小枝模式查询处理

针对可扩展标记语言(XML)查询中具有嵌套OR谓词的复杂小枝模式查询处理,提出一种基于路径连接的查询方法.该方法以路径为分解粒度,结合分支扩展(AOBE)的概念,通过路径连接过程实现对复杂小枝模式查询的整体处理.为了进一步提高算法效率,在已有研究的基础上挖掘相应的优化规则,利用索引跳过那些明显不参与连接的元素的访问和计算.与已有算法相比,基于路径连接的查询方法大大简化了复杂小枝模式查询处理过程,只访问查询叶节点对应的元素,可以显著减少结构连接的操作数目和扫描元素的个数.实验结果表明,该方法能够有效地改善复杂小枝模式查询处理的性能．     

序列模式的关联规则在彩票分析中的应用研究

通过论述数据挖掘和序列模式关联规则的概念及作用,对序列模式关联规则的挖掘算法进行研究,以100期彩票开奖结果为挖掘对象,从中找出各个号码的最长序列模式,并对算法进行实现。     

时间序列部分周期模式的更新算法

针对在线增量部分周期模式挖掘中计算复杂度过高的问题,提出了一种带移动时间窗的时间序列部分周期模式挖掘算法.在时间序列的数据挖掘过程中,某些应用场合只要求对近期的时间序列数据进行挖掘发现部分周期模式,作为时间序列未来行为趋势的预测.因此在挖掘过程中,利用时间窗口,在先前挖掘结果的基础上,对最近的时间序列进行部分周期模式挖...     

挖掘电信告警关联模式方法

关联模式挖掘算法通常受到最小支持度的限制,仅能得到频繁告警序列间的关联模式,针对这一问题,基于图论思想提出了一种挖掘电信网络告警间关联模式的方法.首先在单遍扫描数据库的条件下挖掘网络中的二项关联模式,然后直接发现其最大关联模式,从而避免大量中间项集的产生. 基于实际网络告警数据的实验结果表明,该方法不仅具有较高的效率,而且有效.     

TESP:带时间特征的序列模式挖掘算法

引入序列模式时间特征的概念,提出一个带时间约束的序列模式挖掘算法,称做TESP(Time-Enriched Sequential Pattern mining),算法在找出模式的同时,也给出序列模式的时间特征,并且允许用户在挖掘之前对模式的这些时间特征进行限制,提高了序列模式挖掘的灵活性和有用性。     

基于自相关获取周期的时间序列模式挖掘算法

文章针对局域网通话流量监测数据,提出了一种新的基于时间序列自相关的关联规则挖掘方法。该方法通过对数据进行平滑处理、求自相关函数,从而确定信号的周期;通过动态阈值对时间序列进行压缩处理提取流量趋势序列,提出DS-MMFI算法完成序列模式的挖掘。结果表明此算法能够有效去除时间序列的波动,且序列模式挖掘结果符合实际通信特征。     

回归方法估算最长频繁模式长度

周期间隙的序列模式挖掘是一种满足Apriori-like性质的序列模式挖掘,其中一项重要工作就是预测最长频繁模式的长度.以往需要人为估计,本文采用回归方法解决这个问题.本文提出一种有效的特征抽取的方法,以获取训练和测试数据.之后分别采用BP神经网络、最小二乘支持向量机和极限学习机进行训练和测试.在DNA序列上进行测试,实验结果表明,ELM具有良好的泛化性能,从而验证了方法的可行性.     

基于最小加权支持的加权序列模式挖掘算法

针对序列模式挖掘进行探索,通过对项目加权体现项目的重要性,进而实现序列的加权;加权后,频繁序列的子序列不一定频繁,因此提出序列的最小加权支持概念,并由此提出了加权序列模式挖掘算法MWSP。仿真实验结果表明,与同类算法WSpan比较,MWSP算法更能体现序列的重要性。