满足非重叠条件的带有通配符序列模式挖掘

摘要 很多应用领域产生大量的序列数据，例如：基因序列，超市购买记录，股市交易数据，文本序列等.如何从这些序列数据中挖掘具有重要价值的模式已成为序列模式挖掘研究的主要任务.本文研究带有通配符的序列模式挖掘问题，给定支持度阈值和间隔约束，从序列数据库中挖掘所有出现次数不小于给定支持度阈值的频繁序列模式，模式中任意两个相邻元素在序列中的出现位置满足用户定义的间隔约束.本文设计一种基于层次图的带有通配符序列模式挖掘算法PMLG，利用层次图结构在多项式时间和空间复杂度内构建和存储模式在序列中满足间隔约束的所有出现位置，采用深度优先搜索策略对图进行遍历，计算模式的支持度，其中模式的任意两次出现的相同位置都不共享序列中同一位置的字符，即满足非重叠出现.在生物DNA序列上的实验表明，PMLG比相关的序列模式挖掘算法具有更好的时间性能和完备性