基于聚类分区的序列模式挖掘算法研究.pdfVIP

第20 年新6月期 COMPUTE计Rr算ECH机N0技I术Y与lD发lV展E)PMENT VJcu)1n．20NO．6 2010 ． 2010 基于聚类分区的序列模式挖掘算法研究 吴 楠 ，一，胡学钢 (1．合肥工业大学计算机与信息学院，安徽 合肥 230009； 2．宿州学院 计算机科学与技术系，安徽 宿州 234000) 摘 要：对较大数据集挖掘序列模式时，可能会因产生的大量候选集等原因无法装人内存而难以进行。文中提出基于分 区的序列模式挖掘算法，以期克服有限存储问题，为并行处理及分布式处理做好基础。此外，当给出的分区数固定时，不 同的分区性能可能存在较大差异，通过聚类方法对数据集预处理，以得到可以产生较少局部频繁序列的特定分区，最终得 到较少的全局候选序列 以减少第二遍扫描时间。理论分析和实验表明，所提出的方法可 比普通分区方法得到更加优化的 分区，从而效率更高。 关键词：数据挖掘 ；序列模式；分区算法；聚类 中图分类号 ：TP311．5 文献标识码 ：A 文章编号：1673—629X(2010)06—0109—04 ResearchonClusteringPartition_。‘BasedApproachofSequential PatternM ining WU Nan1，一HU Xue-gang ． (1．SchoolofComputerandInformation，HefeiUniversityofTechnology，Hefei230009，China； 2．DepartmentofComputerScinecenadTcehnology，SuzhouCollege，Suzhou234090，China) Abstract：Matalgorithmsdonotworkwhentheverylargedatasetandgeneratedeandiadtmwhichod no tloadintothemainmemory，are minde ．ThiSpapershowsapartition—basedapproach幻 overcomenotonlythelimitde menaoryissue．butalsoinparallelprocessingand distributde processing．Forgiventhent~mberoffragmnets．differentpartitionsimpactonperformancedramatically．Theclustering algo- rithm isusedtopartitiontheinputadtasetinordertogetthespecialfragmentswhichcangeneratethesmallernumberofbca1frequent patternsaswellas thesmallerntm~berofglobalpattern cnadidates．Theories analysisandexperimentsprovethatitgneeratesoptimalpar— titionnadexhibitsgoodefficinecythancommonmethods． Keywords,．adtamining；sequentialpattern ；partition—basedapproach；clustering O 引 言 会很低，研究相应的并行算法是解决该 问