两个经典频繁子图挖掘算法的对比与分析.pdfVIP

第38卷第2期 内蒙古师范大学学报 (自然科学汉文版) V0．1．38No．2 2009年 3月 JournalofInnerMongoliaNormalUniversity(NaturalScienceEdition) Mar．2009 两个经典频繁子图挖掘算法的对比与分析 o 吴卫江，王智广，张 晶 (中国石油大学(北京)计算机科学与技术系，北京 102200) o 缸 0 ； 摘 要：AGM算法和HSIGRAM算法是两个经典的频繁子图挖掘算法，在基于图的数据挖掘中有重要的应用．从 算法思想和应用技术两个方面分析了AGM算法和HSIGRAM算法的异同点，结合基于图的数据挖掘的特性，提出针 对这两个算法的改进策略． 缸 ； o 关键词：频繁子图挖掘算法；AGM算法；HSIGRAM算法；改进策略 中图分类号：TP391 文献标识码 ：A 文章编号：1001—8735(2009)02—0167-04 基于图的数据挖掘是近年来兴起的一个数据挖掘分支，是图论的知识与传统数据挖掘技术相结合的产物．由 于有完整的图论知识体系做支撑，基于图的数据挖掘发展很快，在网络入侵监测、社群网分析、化合物分类等方面 得到广泛应用．在基于图的数据挖掘中，频繁子图挖掘是一项重要内容．根据图数据的不同，频繁子图挖掘算法分 为两类，即基于图事务集的挖掘算法和基于单图的挖掘算法 ．在基于图事务集的频繁子图挖掘算法中，所处理的 数据是一些相对较小的图事务的集合，子图的频繁度 由包含该子图的图事务数量决定，无需考虑该子图在一个图 事务中出现的次数．在基于单图的频繁子图挖掘算法中，所处理的数据是一个大图，子图的频繁度是该子图在大图 中出现的次数．虽然这两种算法因处理的数据对象不同而不能直接应用于对方的领域，但是由于有共同的理论基 础——图论，所以这两种算法在很多方面有互相借鉴的意义． 1 两个经典的频繁子图挖掘算法 1．1 AGM算法 1．1．1 相关概念 定义 1 一个图的邻接矩阵x为[2 X 一 其中顶点标号是按词典有序的，则邻接矩阵x的编码为 code( 一z，。z x2，。X1．4．．X·n-。。X，r 定义2 在一个图中，若有两个或两个以上的顶点出现相同的标号，则该图的邻接矩阵就不能保证是唯一的， 编码最小的矩阵称为规范矩阵，规范矩阵的编码称为规范编码 ，一个图的邻接矩阵的规范编码也称为该图的规范 编码． 性质 1 两个同构图的规范编码是一致的【． 1．1．2 AGM算法的形式化描述 2002年，AInokuchi等 。提出了AGM算法，该算法是一个经典的基于图事务集 的频繁子图挖掘算法，其形式化描述如下： 输入 ：图事务数据库G一 (Gl，G2~-ooooo，G)，频繁度阈值 厂 输出：频繁子图的集合 S 收稿 日期：2008-10-12 基金项 目：国家 自然科学基金资助项 目；中国石油(CNPC)石油科技中青年创新基金资助项 目(05E7013) 作者简介 ：吴卫江(1971一)，男，河北乐亭人，中国石油大学(北京)讲师，主要从事数据挖掘研究，E-mail：aUan1226@163 ． ∞m；王智广(1964一)，男 ， 内蒙古通辽人，中国石油大学(北京)教授 ，博士，主要从事软件工程及分布计算研究，E-mall：cwangzg@eu educrL 内蒙古师范大学学报 (自然科学汉文版)