序列模糊概念格模型及其分布處理研究.pdf

1、隨著社會經濟與科學技術的發(fā)展，信息技術得到了廣泛的應用，許多領域積累了大量的數(shù)據(jù)，迫切需要一種新技術與工具來幫助人們快速地從海量的數(shù)據(jù)中找出重要的有價值的信息，數(shù)據(jù)挖掘技術就是基于這種背景應運而生。而作為數(shù)據(jù)挖掘的一個重要研究內容一序列模式挖掘，已經得到了許多研究，提出了許多有關序列模式挖掘的算法，如AprioriAll算法、SPADE算法以及PrifixSpan算法等等，而且序列模式挖掘在許多領域得到了廣泛的應用，如顧客購買行為分析、

2、Web訪問模式分析以及DNA序列分析等等。 但是，目前已經提出的許多序列模式挖掘算法僅僅是挖掘出滿足用戶指定的最小支持度minsup的序列模式，并沒有考慮序列模式的重要性，即雖算法挖掘出的所有的序列模式都滿足用戶指定最小支持度minsup，但用戶可能更關注比較重要的序列模式，它們雖然不能滿足用戶指定最小支持度，但是這些序列對用戶來說比較有價值；相反地，有些序列模式可能對用戶來說重要程度并不是很大，并不需要挖掘，這就需要算法能夠自

3、適應地調整以挖掘出符合用戶需求的序列模式，但已提出的挖掘算法沒有考慮這種特征，無法挖掘出這樣的序列模式。 由于形式概念分析中的概念格模型只需訪問一次數(shù)據(jù)庫就可構建成功，并且它的知識與層次表達能力強，將序列引入概念格中，只需存儲最大公共子序列，減少了冗余序列的產生。為此，本文對序列模式挖掘與模糊概念格的結合進行了系統(tǒng)的研究，主要研究成果如下： (1)針對目前概念格構造算法在較大規(guī)模稀疏的數(shù)據(jù)集或分布式的數(shù)據(jù)集上，生成概念時

4、仍然需要耗費大量的時間，本文提出了一種基于IE-Tree(Intension andExtension Tree)與特征空間劃分的概念生成算法IETreeCS(Concept Set based onIntension and Extension Tree)。IETreeCS算法首先將形式背景轉為IE-Tree，減少了數(shù)據(jù)集的存儲量；然后該算法在IE-Tree的基礎上進行了特征空間的描述與劃分，最后給出了完整的IETreeCS算法。實驗

5、結果表明該算法在較大規(guī)模稀疏的數(shù)據(jù)集或分布式的數(shù)據(jù)集上性能優(yōu)越，有明顯地提高。同時，IETreeCS算法也為序列模糊概念格的構建提供了算法支持。 (2)為了組織與挖掘有價值的滿足多需求的序列模式，本文提出了一種序列模糊概念格模型，并給出了序列模糊概念格的構造算法SeqFuzCL(Sequence FuzzyConcept Lattice)。在傳統(tǒng)的模糊形式背景的基礎上，本文將其在序列上進行了擴展，定義了序列模糊形式背景；利用擴展

6、的序列模糊形式背景，定義了概念的Galois閉包連接、序列模糊概念及其格結構，最后給出了序列模糊概念格的構建算法SeqFuzCL。通過實驗表明，序列模糊概念格模型不僅可以方便有效的組織自適應序列模式，在時間與空間上都具有良好的性能，而且還可以在序列模糊概念格上挖掘傳統(tǒng)意義下的序列模式，同時，為進一步挖掘自適應序列模式提供了理論支持。 (3)由于在實際應用中，許多大型數(shù)據(jù)庫是以分布式的形式存在的，為了能夠有效與方便地處理分布環(huán)境下

7、的序列，本文在序列模糊概念格的基礎上提出了分布序列模糊概念格模型及其構建算法DSeqFuzCL(Distributed Sequence FuzzyConcept Lattice)。在分布序列模糊概念格模型上，不僅可以有效挖掘分布序列模式，而且還可以挖掘滿足用戶多需求的特殊分布序列模式，如分布加權序列模式等。通過實驗證明，本文提出的分布序列模糊概念格構建算法DSeqFuzCL具有良好的時間與空間性能。 (4)在序列模糊概念格的基