基于图结构的候选序列生成算法

先生成候选序列再判断候选序列是否为频繁序列，最后获得频繁序列是序列数据挖掘中基于候选序列挖掘算法的一般结构，如Apriori类算法，GSP算法，SPADE算法等。因此，研究候选序列生成算法具有普遍意义。本文首先研究了序列数据集(序列数据库)与图结构间的关系，证明了一个序列是频繁序列的必要条件是该序列对应于一个完全子图。以此为基础提出了基于图结构的候选序列生成算法，文中给出了算法正确性证明。在T25110D10K和T25120D100K数据集上的挖掘实验表明在本文提出的候选序列生成算法上进行挖掘比用Apriori算法进行挖掘的效率更高。     

数据立方体上多维多层关联规则挖掘算法

重点结合联机分析挖掘的思想,讨论了数据立方体上的多维多层关联规则挖掘。基于数据立方体和FP算法提出并构建了体现概念层次的Hib＆Dim FP树和其挖掘算法Hib＆Dim FP算法,并把此算法应用于数据立方体上的多维多层关联规则挖掘。最后的实验证明了该算法的有效性。     

基于属性核的遗传约简算法

属性最小约简是NP完全问题,该问题的研究一直被关注.如,以不可分辨矩阵为基础的传统约简方法[1],基于属性重要性的约简方法[1]等等,这些方法对于大数据集都是不实用的.文[8]提出了以遗传算法全局搜手能力为基础的属性约简方法,文[3]通过引进属性依赖启发信息改进了文[8]中的方法.本文中,先给出了一个时间复杂度为O(k×n×log n),空间复杂度为O(n)的核属性判别方法.然后,以此为基础给出了较文[3]和文[8]中更有效的遗传粗糙约简算法.