基于通配符和长度约束的近似模式匹配问题研究-计算机应用技术专业论文.docxVIP

I II II III III 基于通配符和长度约束的近似模式匹配问题研究 摘 要 近年来 ，随着 生物 信 息计算 、网络 入侵 检 测、文 本检索 等领 域 数据量 的激 增，如 何从中 快速 地 提取用 户感兴 趣的 信 息成为 了一项 重要 的 研究课 题，而模 式匹配与 挖掘是 其中 的重要组 成部分 ，引 起了国内 外研究 学者 的广泛关 注。 为了增 加用户 模式 查 询的灵 活性， 通配 符 和长度 约束的 概念 先 后被引 入模 式匹配 问题中 。本 文 首先针 对带有 通配 符 和长度 约束的 近似 模 式匹配 问题进 行 研究， 用户可 以自 行 定义模 式字符 间通 配 符的范 围、模 式的 最 短长度 和最大长 度以及 允许出 现的 编 辑误差 。对该 问题 的 研究， 不仅完 善了 近 似模式 匹配中通 配符的 引入问 题， 而 且在许 多实际 领域 同 样具备 应用价 值。 随 后，本 文将该问 题扩展至 带有通 配符 和 One-off 条件的 近 似模式挖 掘，解 决了 带间隔约 束和误 差的频繁 模式挖 掘问 题。 本文的研 究工作 主要 包括以下 三个方 面： （1）根据文 本字符 是 否满足 One-off 条 件 ，针对带有 通配符 和 长度约束的 近 似 模 式 匹 配 问 题 分 别 提 出 了 APM 算 法 和 APM-OF 算 法 ， 并 与 同 类 算 法 Sail-Approx 进行实 验 对比，结 果表明 APM 和 APM-OF 算法 解 的平均增 长率分 别达到了 12.37%和 8.34%。同时，对影响 算法性能 的三个 主要 参数进行 了实验 与分析， 发现当 编辑 误差 k 较大， 模式 P 中字符（ 非通配 符） 的个数 m 适中 ， 局部长度 约束下 限 N 很小或 很大时 解的 增长率最 为明显 ，可 分别达 到 31.43% 和 18.78%。 （2）将 APM-OF 算 法扩展至 带有通 配符 和长度约 束的近 似模 式挖掘， 提 出了 MAP 算 法。在 与 OneoffMining 算法 的实验对 比中 ，结果 显示 MAP 算 法挖 掘出的频 繁模式 个数 约为 OneoffMining 算 法的 2.07 倍。 （ 3） 构 建 了 解 决 带 有 通 配 符 和 长 度 约 束 的 近 似 模 式 匹 配 和 挖 掘 问 题 的 原 型系统 ，并通 过实 例 对系统 进行演 示说 明 ，为模 式匹配 和挖 掘 进一步 的研究提 供了一个 良好的 平台 。 关键词 ：通配符；长 度约束； One-off 条件 ；近似模 式匹配 ；近 似模式挖 掘 PAGE PAGE VI Research on Approximate Pattern Matching with Flexible Wildcards and Length Constraints Abstract With the rapid increase of data in bio-informatics, network intrusion detection and text retrieval, how to extract information , in which users are interested, has become an important research topic. Pattern matching and mining play important roles on this problem and raise widely concerns of scholars. In order to meet the flexibility of users’ queries, wildcards and length constraints have been introduced into the pattern matching problem. This dissertation focuses on the APMWL Problem (APMWL, Approximate Pattern Mining with flexible Wildcards and Length constraints). Users can specify the mistake threshold, the global minimum length, the global maximum length, and the range of wildcards between each sub-pattern character. Research on this