基因表达数据的频繁闭合项集挖掘算法研究-计算机应用技术专业论文.docxVIP

摘 摘 要 I万方数据 I 万方数据 摘 要 基因表达数据蕴含丰富的生物信息，但由于其高维且数据量大的特点，生物信 息的挖掘成为极具挑战性的课题。关联分析由于形式简单且结果易于理解，已逐渐 成为基因表达数据重要的分析方法之一。频繁闭合项集挖掘是关联分析中的重点和 难点之一。 本文对基因表达数据中频繁闭合项集挖掘算法做了全面深入的研究。针对当前 算法中存在的一些不足提出改进算法。针对目前基因表达数据的频繁闭合项集挖掘 均需先设定最小支持度，提出挖掘基因表达数据中 top-k 频繁闭合项集问题，并设 计了相关算法。本文主要研究工作如下： (1)对现有频繁项集和频繁闭合项集挖掘算法进行深入剖析。从已有算法使用的 策略和数据结构着手分析算法的优缺点，重点研究了基因表达数据频繁闭合项集挖 掘算法。 (2)采用行枚举空间搜索时，已有自底向上策略并未有效利用最小支持度阈值对 搜索空间进行修剪，导致算法的时空性能较差。基于自顶向下策略的频繁闭合项集 挖掘算法 TP+close 较好地解决了此问题。然而，TP+close 算法在对项集进行闭合性 检测时，要对已输出的频繁闭合项集进行扫描，影响了算法性能。通过对 TP+close 算法和数据结构 TP+-tree 深入分析，提出改进的数据结构 TTP+tree 和基于该结构 的改进算法 TTP+close。算法 TTP+close 引入了一种新的闭合性检测方法，即基于 痕迹的闭合性检测方法，避免对已输出的频繁闭合项集扫描来判别将输出项集的闭 合性。 (3)已有大多数挖掘基因表达数据的频繁闭合项集需先设定最小支持度，但在实 际应用中确定合适的最小支持度并不容易。本文提出在基因表达数据中挖掘 top-k 频繁闭合项集问题，并设计了挖掘算法 TBtop。算法使用自顶向下宽度优先搜索策 略挖掘项集长度不小于给定值 min_l 的 top-k 频繁闭合项集，并对搜索空间进行了有 效修剪。 关键词：基因表达数据；关联规则；频繁闭合项集；top-k 频繁闭合项集；自顶向下； 宽度优先 Abstract Abstract II II 万方数据 Abstract Some wealth bioinformation has been hidden in gene expression datasets. However, due to the feature of high-dimensional and large volumes of data, the high-performance means is necessary to obtain this informance. The association analysis is simple in form and the result is easy to understand, which becomes gradually an important analysis method in gene expression data analysis. Mining frequent closed itemsets is emphases and difficulty in association analysis. In this paper, the algorithms of mining frequent closed itemset are researched deeply and utterly in gene expression data. An improved algorithms is proposed based on the disadvantages of current algorithms. In gene expression dataset, the minimum support must be given before mining frequent closed itemsets. According to the situations, the paper presented a model of mining top-k frequent closed itemsets and designed the algorithm in gene expression datasets. The main research contents and contributions are described as follows: The existing mining algorithms of frequent itemsets and frequent closed itemsets were anatomize