一种高效的基于位图序列模式挖掘算法!.PDF

高技术通讯* % 年 第* 卷 第* 期：%(( V %()! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! #$ ：% ’ ())*+ , ’ $--.’ %*/0) ’ *% ’ * ’ 1 一种高效的基于位图序列模式挖掘算法! ! # !!! ! !! 张长海 ! 胡孔法 ! 陈! ! ! 宋爱波 ! （扬州大学信息工程学院! 扬州**12 ） !! （ 东南大学计算机科学与工程学院! 南京*%23 ） 摘! 要! 为实现在大型事务数据库中挖掘有价值的序列数据，提出了一种基于位图的高 效的序列模式挖掘算法（4567 ）。4567 算法采用位图表示数据库的方法，提出一种简化 的位图表示结构。该算法首先由序列扩展和项扩展产生候选序列，然后通过原序列位图 和被扩展项位图位置快速运算生成频繁序列。实验表明，应用于大型事务数据库，该方法 不仅能有效地提高挖掘效率，而且挖掘处理过程中产生的临时数据所需的内存大大降低， 能够高效地挖掘序列模式。 关键词! 数据挖掘，序列模式，位图 项集作为“集成块”，在挖掘 @ 大序列时重用大项 ! 引言 集，并以兄弟节点为种子生成候选大序列，利用 %-A—QR8 对支持度进行快速计数，高效地生成频繁 在大型事务数据库中寻找序列模式是数据挖掘 序列模式。4H:5 算法和OP45 算法通过位图计数 的重要课题，对大型事务数据库中有价值序列数据 技术在挖掘时间上有显著优势，但是这种优势是建 的挖掘有着广泛的应用前景，例如可用于顾客购买 立在有足够大的可用内存的基础上的。为此，本文 行为分析、网络访问模式分析、科学实验分析、疾病 提出了一种改进的基于位图的序列模式挖掘算法 治疗早期诊断、自然灾害预测、 （ 89: 序列模式分析 -CEFC.A$=? B=AAC. S$.$.; T=-C #. T$AS=B CBC-C.A=/ 等。这类问题首先由:;==? 和4$@=.A 两人提出， A$#. ，4567 ），该算法提高了挖掘效率，降低了时间 他们总结了序列模式的定义，提出了一种基于:B$/ 复杂度，同时挖掘处理过程中产生的临时数据所需 #$ 的改进算法———泛化序列模式（;C.C=?$DC -C/ 的内存大大降低，能够有效地挖掘序列模式。 ［%］ EFC.A$=? B=AAC.- ，G4H ）算法 。后来，研究人员提出 了挖掘频繁序列片段［* ］的问题及多种挖掘算法，如 %! 基本知识和概念 ［( ］ 基于规则表达式约束 的挖掘，基于垂直格式存储的 ［0 ］ 序列模式挖掘算法———4H:8I 算法 ，基于投影的 设! ｛# ，# ，…，# ｝是一个项目集合，项目 % * $ 模式增