基于ZBDD结构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 基于 Z 基于 ZBDD 结构的频繁闭合项集挖掘算法研究 万方数据 万方数据 - - PAGE IV - 万方数据 摘要 随着人类基因组计划的完成，大量的基因表达数据被人们发掘出来，如何 通过对基因表达数据的挖掘，揭示出数据中所蕴含的生物学信息，已经成为数 据挖掘中和生物信息学研究中的热点内容。 但由于基因表达数据具有不同于传统数据集的高维、低样本的特点，使得 对生物信息的挖掘具有很大的挑战性。其中由于关联规则的形式简单而且容易 理解，已经成为了基因表达数据分析中的重要方法之一。频繁闭合项集挖掘则 在关联规则挖掘占据了重要的地位。 本文在研究已有的基因表达数据的频繁闭合项集挖掘算法的基础上，针对 当前算法中存在的一些不足，提出改进算法，主要工作如下： 1)对已有频繁项集和频繁闭合项集挖掘算法进行深入研究。分析现有算法 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)本文研究了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 ZDtop。算法使用 ZBDD 结构压缩存储数据集，采用递归的思想构造 ZBDD 结构，通过是否包含某个特定的项目集对搜索空间进行划分，并结合有效的剪 枝策略，加快了频繁闭合项集的产生速度。同时 ZDtop 算法不需要用户事先给 定支持度阈值，使输出的频繁闭合项集的数量在用户的可控制范围内。通过实 例分析，证明了该算法正确有效性。 3)在对经典频繁项集并行算法的研究分析后，提出了基于局部 ZBDD 结构 的频繁闭合项集并行挖掘算法 DL-ZBDD，通过在各处理机上构造局部 ZBDD 结构，并行使用串行 ZBDD 算法在各处理机上进行挖掘。理论分析表明，算法 是正确有效的。 关键词：生物信息学；基因表达数据；关联规则；频繁闭合项集；零压缩二叉 决策图；并行算法； - I - ABSTRCT With the completion of the Human Genome Project, a large number of gene expression data have been obtained. How to mine the biology information from this data has become a hot focus in data mining area and bioinformatics study. Different from the traditional data, high-dimension and low-sample characteristics of gene expression data are hard challenges for bioinformatics data mining. Association rule has become an important main method in gene expression data analysis for its simple and easy understanding form, and in which Frequent closed Itemsets (FCI for short) play a dominate role. In this paper, we proposes some improvements against the disadvantages of storage technology and search strategy based on a good study of current FCI mining algorithms, and main works are as following: A deep study of FI and FCI mining algorithms to analyze theirs advantages and disadvantages, especially of FCI mining algorithms for gene expression data. Research works in genome data top-k FCI mining. ZDtop mining algorithm is designed, which uses recursive constructed ZBDD structure for data storing, and accelerates the generation speed of FCI through space partition according to containment of partic