序列模式分析算法G...doc

序列模式分析算法GSP的实现? GSP是序列模式挖掘的一种算法。其主要描述如下： ????????? 根据长度为i 的种子集Li 通过连接操作和剪切操作生成长度为i+1的候选序列模式Ci+1；然后扫描序列数据库，计算每个候选序列模式的支持数，产生长度为i+1的序列模式Li+1，并将Li+1作为新的种子集。 ????????? 重复第二步，直到没有新的序列模式或新的候选序列模式产生为止。 ????????? 扫描序列数据库，得到长度为1的序列模式L1，作为初始的种子集 L1( C2 ( L2 ( C3 ( L3 ( C4 ( L4 ( …… 产生候选序列模式主要分两步 ????????? 连接阶段：如果去掉序列模式s1的第一个项目与去掉序列模式s2的最后一个项目所得到的序列相同，则可以将s1于s2进行连接，即将s2的最后一个项目添加到s1中。 ????????? 剪切阶段：若某候选序列模式的某个子序列不是序列模式，则此候选序列模式不可能是序列模式，将它从候选序列模式中删除。 候选序列模式的支持度计算：对于给定的候选序列模式集合C，扫描序列数据库，对于其中的每一条序列d,找出集合C中被d所包含的所有候选序列模式，并增加其支持度计数。 二、?????? 本算法采用Java实现，主要根据序列模式的情况，序列模式挖掘中共涉及到这样个3对象，序列、元素和项目，这样算法共有5个类： GSP类：算法核心类，GSP算法的核心操作：连接和剪切操作都在这里实现，在使用该算法时，也是需要通过使用该类的方法来实现GSP算法。 Sequence类：序列类，该类封装了序列的基本信息和基本操作，实现了对序列间的比较以及序列中的项目集操作。 Element类：元素类，在序列模式中元素也就是项目集，项目集中包含了项目，在本算法实现中，元素类中含有一个项目集属性，用于表示项目集，在使用时也是使用该属性来表示项目集，另外，在该类中还封装了对项目的操作以及一些其他操作。 SeqDB类：该类用于从数据库中扫描获取序列，本算法主要用于模拟实现，所以在程序中已经初始化了序列。 GSPTest类：测试类，使用JUnit对算法进行单元测试，本文附的代码只含有对于实现GSP算法的方法测试。 由于程序中附带了对方法的注释，这里对各个方法的原理和实现就不作介绍。 三、?????? （一）实验数据 {1 5}{2}{3}{4} {1}{3}{4}{3 5} {1}{2}{3}{4} {1}{3}{5} {4}{5} 这就是我们的序列数据库SD （二）程序输出 最小支持度计数为：2 输入的序列集合为： [(1,5) 2 3 4, 1 3 4 (3,5), 1 2 3 4, 1 3 5, 4 (4,5)] ? 序列模式SL(1) 为：[2, 4, 1, 3, 5] ................................................. 剪切前候选集的大小为：40 候选集c为：[(2,2), 2 2, (2,4), 2 4, 4 2, (1,2), 2 1, 1 2, (2,3), 2 3, 3 2, (2,5), 2 5, 5 2, (4,4), 4 4, (1,4), 4 1, 1 4, (3,4), 4 3, 3 4, (4,5), 4 5, 5 4, (1,1), 1 1, (1,3), 1 3, 3 1, (1,5), 1 5, 5 1, (3,3), 3 3, (3,5), 3 5, 5 3, (5,5), 5 5] 剪切后候选集的大小为：40 候选集c为：[(2,2), 2 2, (2,4), 2 4, 4 2, (1,2), 2 1, 1 2, (2,3), 2 3, 3 2, (2,5), 2 5, 5 2, (4,4), 4 4, (1,4), 4 1, 1 4, (3,4), 4 3, 3 4, (4,5), 4 5, 5 4, (1,1), 1 1, (1,3), 1 3, 3 1, (1,5), 1 5, 5 1, (3,3), 3 3, (3,5), 3 5, 5 3, (5,5), 5 5] 序列模式SL(2) 为：[2 4, 1 2, 2 3, 1 4, 3 4, 4 5, 1 3, 1 5, 3 5] ................................................. 剪切前候选集的大小为：18 候选集c为：[1 (2,4), 1 2 4, 2 (4,5), 2 4 5, 1 (2,3), 1 2 3, 2 (3,4), 2 3 4, 2 (3,5), 2 3 5, 1 (4,5), 1 4 5, 3 (4,5), 3 4 5, 1 (3,4), 1 3 4, 1