计算机应用技术专业优秀论文计算机应用技术专业优秀论文 基于分布式概念格的序列模式发现基于分布式概念格的序列模式发现研究研究关键词：数据库关键词：数据库 知识发现知识发现 序列模式序列模式 数据挖掘数据挖掘摘要：知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结 合而形成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支， 具有广阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据 中高效地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的 结构以及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模 分布式数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据 挖掘的研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2)分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模 式挖掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列 模式的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基 于子全概念的概念格构造算法 SEA，提出一种新的基于分布式概念格的序列模 式挖掘算法，以实现大规模数据的频繁序列模式挖掘。 (4)针对序列模式的 可信度的评价展开研究，提出了挖掘满足支持度条件的有高可信度的序列模式 的算法。研究了先清理(取高可信度)数据库再挖掘满足高支持度的序列模式， 以及先挖掘满足高支持度的序列模式，再清理两种不同方式，结果表明第一种 方式效率高。正文内容正文内容知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结合 而形成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支，具 有广阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据中 高效地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的结 构以及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模分 布式数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据挖 掘的研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2)分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模 式挖掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列 模式的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基 于子全概念的概念格构造算法 SEA，提出一种新的基于分布式概念格的序列模 式挖掘算法，以实现大规模数据的频繁序列模式挖掘。 (4)针对序列模式的 可信度的评价展开研究，提出了挖掘满足支持度条件的有高可信度的序列模式 的算法。研究了先清理(取高可信度)数据库再挖掘满足高支持度的序列模式， 以及先挖掘满足高支持度的序列模式，再清理两种不同方式，结果表明第一种 方式效率高。 知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结合而形 成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支，具有广 阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据中高效 地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的结构以 及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模分布式 数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据挖掘的 研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2) 分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模式挖 掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列模式 的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基于子 全概念的概念格构造算法 SEA，提出一种新的基于分布式概念格的序列模式挖 掘算法，以实现大规模数据的频繁序列模式挖掘。 (4)针对序列模式的可信 度的评价展开研究，提出了挖掘满足支持度条件的有高可信度的序列模式的算 法。研究了先清理(取高可信度)数据库再挖掘满足高支持度的序列模式，以及 先挖掘满足高支持度的序列模式，再清理两种不同方式，结果表明第一种方式 效率高。 知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结合而形 成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支，具有广 阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据中高效 地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的结构以 及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模分布式 数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据挖掘的 研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2) 分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模式挖 掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列模式 的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基于子全概念的概念格构造算法 SEA，提出一种新的基于分布式概念格的序列模式挖 掘算法，以实现大规模数据的频繁序列模式挖掘。 (4)针对序列模式的可信 度的评价展开研究，提出了挖掘满足支持度条件的有高可信度的序列模式的算 法。研究了先清理(取高可信度)数据库再挖掘满足高支持度的序列模式，以及 先挖掘满足高支持度的序列模式，再清理两种不同方式，结果表明第一种方式 效率高。 知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结合而形 成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支，具有广 阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据中高效 地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的结构以 及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模分布式 数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据挖掘的 研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2) 分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模式挖 掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列模式 的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基于子 全概念的概念格构造算法 SEA，提出一种新的基于分布式概念格的序列模式挖 掘算法，以实现大规模数据的频繁序列模式挖掘。 (4)针对序列模式的可信 度的评价展开研究，提出了挖掘满足支持度条件的有高可信度的序列模式的算 法。研究了先清理(取高可信度)数据库再挖掘满足高支持度的序列模式，以及 先挖掘满足高支持度的序列模式，再清理两种不同方式，结果表明第一种方式 效率高。 知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结合而形 成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支，具有广 阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据中高效 地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的结构以 及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模分布式 数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据挖掘的 研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2) 分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模式挖 掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列模式 的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基于子 全概念的概念格构造算法 SEA，提出一种新的基于分布式概念格的序列模式挖 掘算法，以实现大规模数据的频繁序列模式挖掘。 (4)针对序列模式的可信 度的评价展开研究，提出了挖掘满足支持度条件的有高可信度的序列模式的算 法。研究了先清理(取高可信度)数据库再挖掘满足高支持度的序列模式，以及 先挖掘满足高支持度的序列模式，再清理两种不同方式，结果表明第一种方式 效率高。 知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结合而形 成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支，具有广 阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据中高效 地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的结构以 及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模分布式 数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据挖掘的研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2) 分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模式挖 掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列模式 的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基于子 全概念的概念格构造算法 SEA，提出一种新的基于分布式概念格的序列模式挖 掘算法，以实现大规模数据的频繁序列模式挖掘。 (4)针对序列模式的可信 度的评价展开研究，提出了挖掘满足支持度条件的有高可信度的序列模式的算 法。研究了先清理(取高可信度)数据库再挖掘满足高支持度的序列模式，以及 先挖掘满足高支持度的序列模式，再清理两种不同方式，结果表明第一种方式 效率高。 知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结合而形 成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支，具有广 阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据中高效 地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的结构以 及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模分布式 数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据挖掘的 研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2) 分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模式挖 掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列模式 的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基于子 全概念的概念格构造算法 SEA，提出一种新的基于分布式概念格的序列模式挖 掘算法，以实现大规模数据的频繁序列模式挖掘。 (4)针对序列模式的可信 度的评价展开研究，提出了挖掘满足支持度条件的有高可信度的序列模式的算 法。研究了先清理(取高可信度)数据库再挖掘满足高支持度的序列模式，以及 先挖掘满足高支持度的序列模式，再清理两种不同方式，结果表明第一种方式 效率高。 知识发现和数据挖掘是人工智能、机器学习、数据库和统计理论等相结合而形 成的新的研究与应用领域，序列模式发现是数据挖掘的一个重要分支，具有广 阔的应用前景。随着信息技术日新月异的发展和应用，从更大规模数据中高效 地提取序列模式已经成为一挑战。本文将具有坚实的理论基础、完备的结构以 及并行性特征的概念格模型引入到序列模式挖掘中，以实现当前大规模分布式 数据的序列模式挖掘。 主要工作如下： (1)概述了知识发现和数据挖掘的 研究动态，相关的数据挖掘技术及应用，以及几种典型模式发现问题。 (2) 分析了 Aprioriall 算法、 GsP 算法和 PrefixSpan 算法等几种经典序列模式挖 掘算法，并做了必要的比较。介绍了概念格的模型以及基于概念格的序列模式 的数据挖掘研究成果和性能。 (3)针对当前的数据库的大规模现象，基于子 全概念