圖數(shù)據(jù)庫頻繁模式挖掘關鍵技術研究.pdf

1、從圖數(shù)據(jù)庫挖掘頻繁模式在化學信息學、計算生物學、WEB信息管理、社會網(wǎng)絡分析等領域有著廣泛的應用。因此本文重點研究了從圖數(shù)據(jù)庫中挖掘頻繁模式的關鍵技術，并針對頻繁模式挖掘所面臨的效率瓶頸、結果集龐大以及高復雜、冗余性等問題，在本文中提出了基于隨機化挖掘極大頻繁子圖的方法RMPM、挖掘具有代表性頻繁子圖的算法FRSM、InRSM。本文的主要研究成果有：
　　 1．隨機化方法在挖掘海量數(shù)據(jù)集時非常高效，但是因為隨機性，會造成結果的重

2、復發(fā)現(xiàn)，勢必造成很多重復和無用的子圖同構計算。本文提出的基于隨機化挖掘極大頻繁子圖的方法RMPM，通過對已挖掘到的結果建立索引，提高了隨機算法的效率。在真實和模擬數(shù)據(jù)集上的實驗結果也證實了RMPM算法是高效、可伸縮的。本文提出的隨機算法的思想是通用的，可以應用于各種各樣的模式，比如自由樹、項集等，在真實數(shù)據(jù)集上挖掘極大頻繁自由樹的實驗結果也證實了RMPM算法是通用的。
　　 2．為了壓縮頻繁模式集合，挖掘出更小、更有代表性的頻繁

3、模式集合，本文提出了挖掘具有代表性頻繁模式的算法FRSM，算法第一步采用本文提出的效率更高的RMPM算法作為頻繁模式挖掘算法，第二步在RMPM結果集上聚類，在聚類時，綜合考慮頻繁子圖在事務空間上的相似性和模式空間上的相似性，使得聚類的質量更好，獲得的模式更具代表性。在大量的實驗上也證明了FRSM算法所得到的代表模式集合比不考慮或只考慮模式在事務空間上的相似性的聚類所得到的模式更具代表性。
　　 3．本文也提出直接從圖數(shù)據(jù)庫中挖掘