基于图结构挖掘算法的研究与应用.docVIP

Master Dissertation of Chongqing University Research and Application of Mining Graph Structure Algorithm Master Candidate: Kang Yanrong Supervisor: Associate Prof. Guo ping Major: Computer Application technology College of Computer Science Chongqing University October 2005 重庆大学硕士学位论文  摘  要  中文摘要  面对着迅速增长的数据信息量，人们受到“信息爆炸”的巨大压力的同时又陷 入“数据太多，知识太少”的窘境。数据挖掘技术的产生与发展为人们摆脱这种 困境提供了强有力的手段。数据挖掘本质上来说是让数据自己说明自身的价值， 即是按照既定的业务目标，对大量的企业数据进行探索、揭示隐藏其中的规律性 并进一步将之模型化的先进、有效的方法。 在整个数据挖掘的研究中，算法的研究占有特别重要的地位。一方面，数据挖 掘面对的是大数据集(称海量数据)，因此算法的效率将对其应用起关键的作用；另 一方面，我们面对的计算机系统在其性能上远远不能满足对大数据集进行处理的 要求，因此我们必须研究和改进现有的算法使其有更广泛的应用前景。再者，由 于近年来生物信息技术、网络开发技术的迅速发展，越来越多的人们意识到用图 能更好地描述事物之间的复杂关系，进而在此基础上进行挖掘可以得到更多的有 用信息。鉴于此，本文选择了对图结构数据挖掘算法进行研究。 本文对数据挖掘中的图结构挖掘算法作了比较深入的研究。Jiawei Han 等人针 对类 Apriori 算法(如 FSG、AGM、AcGM)连接和剪枝耗时很大的缺点，提出了 gSpan 算法和 CloseGraph 算法。gSpan 算法和 CloseGraph 算法相对于类 Apriori 算法是比 较好的算法，它们通过引入新的方法和概念——DFS Lexilographic Order 、最小 DFS code 和最右扩展，使得无需按 Apriori 算法的思想而是直接生成频繁子图，大 大提高了算法的效率。但它们也存在以下问题：挖掘结果集中考虑了图的标记， 即具有不同标记的图被认为是不同的图。而很多情况下，标记不同的图具有相同 的结构。 基于前人的研究，本文提出了两个新的算法——极大完全子图挖掘算法 (MaxcodeFMCG 算法)和频繁子图结构挖掘算法(FSA 算法)，并将 MaxcodeFMCG 算法与已有的频繁模式挖掘算法 FP-Growth 算法相结合，产生了一种基于图结构 的频繁模式挖掘算法(MaxcodeFP-Tree 算法)。MaxcodeFP-Tree 算法的主要优点是 解决了 FP-Growth 算法中存在的内存不足的问题。FSA 算法则主要是解决了以往 的频繁子图挖掘算法中存在的“标记不同但结构相同的图被认为是不同的”的问 题，有利于对结构挖掘进行更深入的研究。 最后，本文对 gSpan 算法和 FSA 算法的频繁子图情况进行了比较，通过大量 的实验结果表明，FSA 算法在一定程度上优于 gSpan 算法。 关键词：数据挖掘，图结构挖掘，极大完全子图，频繁子图，频繁子图结构 I 重庆大学硕士学位论文  英文摘要  ABSTRACT In face of the soaring amount of information, people are intimidated by “Data Bomb” while they fall into the fear of “shortage of knowledge”. KDD coning for the need has become one of the strongest weapons that people can use to solve the paradoxical problem, Data Mining is the nontrivial process of identifying valid, novel, potentially useful, and ultimately understandable patterns in data. Algorithm is the key part in KDD, for this reason to research for efficient. On one hand, Data Mining is used to process Large database, and so the e