共享顯露序列模式挖掘算法及其應(yīng)用.pdf

1、顯露序列(EmergingSequences，ESs)旨在發(fā)現(xiàn)數(shù)據(jù)庫中在一個(gè)類中頻繁，在另一個(gè)類中非頻繁的模式，其具有很好的分類性能。由于以往的關(guān)于ESs的研究通常僅涉及單個(gè)數(shù)據(jù)集，本文提出一種新的ESs——共享顯露序列模式(SharedEmergingSequences，SESs)，它表示由兩個(gè)或多個(gè)數(shù)據(jù)集所共享的ESs，能夠表征數(shù)據(jù)集間的一些共同特性，在遷移學(xué)習(xí)和類推等領(lǐng)域有很大的應(yīng)用潛力。本文主要對SESs的挖掘算法及應(yīng)用進(jìn)行一系

2、列研究，主要工作和貢獻(xiàn)如下:
　　(1)針對SESs的挖掘問題，提出一種SESs的挖掘框架。在挖掘框架中，采用共享廣義后綴樹(SharedGeneralizedSuffix-tree，SharedGS-Tree)進(jìn)行數(shù)據(jù)存儲。該樹具有能在一棵樹上同時(shí)挖掘多個(gè)數(shù)據(jù)集和多個(gè)類的ESs的特點(diǎn)，可以簡化挖掘過程、降低挖掘空間復(fù)雜度及提高運(yùn)行時(shí)間效率。在此基礎(chǔ)上，提出一種基于SharedGS-Tree的SESs挖掘算法。算法采用深度優(yōu)先搜索

3、策略獲得每個(gè)數(shù)據(jù)集的ESs，再通過相似性匹配產(chǎn)生最終的SESs。為了提高算法性能，采用三種剪枝策略，包括:建樹長度閾值剪枝、最大前綴非頻繁剪枝、相似匹配長度差剪枝。實(shí)驗(yàn)結(jié)果表明，SESs挖掘算法結(jié)合三種剪枝策略，取得了較好的時(shí)間性能。
　　(2)SESs能夠?qū)崿F(xiàn)相似領(lǐng)域間知識的遷移，但如何評價(jià)兩數(shù)據(jù)集之間的相似性？為此，本文提出一種利用聚合SESs來衡量數(shù)據(jù)集相似性的算法。該算法先給出SESs質(zhì)量的定義，接著綜合考慮SESs的質(zhì)量

4、和數(shù)量來計(jì)算SESs在數(shù)據(jù)集中的貢獻(xiàn)度，最后通過量化的貢獻(xiàn)值來評價(jià)數(shù)據(jù)集的相似性。實(shí)驗(yàn)結(jié)果表明，基于聚合SESs的數(shù)據(jù)集相似性度量策略是行之有效的。因此當(dāng)某數(shù)據(jù)集訓(xùn)練樣本缺乏時(shí)，可先通過聚合SESs來選取與之相似的數(shù)據(jù)集作為輔助數(shù)據(jù)集，進(jìn)而幫助進(jìn)行分類。
　　(3)如何避免負(fù)遷移的產(chǎn)生一直是一個(gè)需要研究的問題。負(fù)遷移的發(fā)生與領(lǐng)域間相似性存在很大的關(guān)聯(lián)，而SESs可用于衡量數(shù)據(jù)集間的相似性，因此可用SESs來初步分析數(shù)據(jù)集間的負(fù)遷移