基于序列模式的序列聚類挖掘算法研究.pdf

1、序列模式挖掘是從大型時(shí)序數(shù)據(jù)庫(kù)中發(fā)現(xiàn)事件之間存在的隱藏的、有趣的序列關(guān)系,挖掘出基于時(shí)間或者其它順序的出現(xiàn)頻率高的頻繁序列模式。它彌補(bǔ)了關(guān)聯(lián)規(guī)則挖掘不能反映事件在時(shí)間順序上相關(guān)性的缺點(diǎn)。序列模式挖掘技術(shù)已在顧客購(gòu)買行為分析、DNA序列模式分析等多個(gè)領(lǐng)域得到了廣泛的應(yīng)用。
　　本文重點(diǎn)研究了在已挖掘的頻繁序列模式的基礎(chǔ)上,再利用劃分聚類的K-均值算法對(duì)序列數(shù)據(jù)進(jìn)行聚類研究。文中利用Huffman樹的構(gòu)造思想對(duì)K-均值算法隨機(jī)選取初始

2、中心點(diǎn)會(huì)導(dǎo)致聚類結(jié)果的不穩(wěn)定性缺點(diǎn)提出了一種新的解決算法K-SPAM(K-meansalgorithmofsequencepatternminingbasedontheHuffmanMethod)。
　　K-SPAM算法實(shí)現(xiàn)了對(duì)包含相似模式的序列數(shù)據(jù)進(jìn)行聚類,通過(guò)對(duì)聚類初始中心點(diǎn)的選取采用Huffman思想,減少了K-均值算法的迭代次數(shù),提高了聚類的穩(wěn)定性。并通過(guò)實(shí)驗(yàn)對(duì)K-SPAM和K-均值算法的聚類結(jié)果進(jìn)行比較,進(jìn)一步證實(shí)了K-