摘要：为提高产品变型设计中知识推送的自动化程度、减少人力投入,提出一种新的知识推送方法。利用频繁序列模式挖掘技术分析知识的历史使用数据,识别设计任务所对应的频繁知识序列;在产品设计过程中,结合设计师的知识使用行为、频繁知识序列的支持度和当前任务知识序列与频繁知识序列的相似度实现知识的推送;根据所提出的知识推送方法开发了基于产品数据管理系统的知识推送构件,并在某防爆电机生产企业中得到应用。应用后的统计数据表明,该构件提高了产品设计效率。

摘要：很多应用领域产生大量的序列数据.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.研究这样一个问题:给定序列S、支持度阈值和间隔约束,从序列S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,并且要求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.设计了一种有效的带有通配符的模式挖掘算法One-Off Mining,模式在序列中的出现满足One-Off条件,即模式的任意两次出现都不共享序列中同一位置的字符.在生物DNA序列上的实验结果表明,One-Off Mining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.

摘要：针对序列模式挖掘算法支持度阈值设定困难的问题,为提高在没有领域专家经验指导下设定支持度阈值的有效性,提出一种改进的SPADE(sequential pattern discovery using equivalence classes)算法。通过分析频繁序列数目和支持度阈值之间的关系,动态选择支持度阈值。采用一家医疗中心的电子病历数据,提取高血压患者服用的药物的时序关系作为药物序列数据集。通过判定数据集的最佳支持度阈值,挖掘频繁序列集,将得到的频繁序列生成序列规则,实现序列规则的可视化。

摘要：在多数据源环境中,通过计算数据库项集相似度,按照一定分类原则,设计了数据库数目和类个数可变的多数据源序列模式分类算法;在给出一种有效的多数据源高投票率序列模式挖掘方法的基础上,结合隐私保护要求,采取"分类—清洗—合成—挖掘"方法,提出一种隐藏敏感模式的多源高投票率序列模式挖掘算法。与不隐藏敏感模式的多源高投票率序列模式挖掘算法进行实验测试对比,结果表明:本文提出的算法只需花费额外少量的敏感模式匹配处理时间,可确保算法能够在挖掘得到全局高投票率序列模式的同时,隐藏敏感模式、保护多源数据中的隐私信息.

摘要：针对现有用户行为序列模式挖掘方法的单一支持度局限性问题,提出一种基于前缀树结构的多支持度序列模式挖掘方法。设计一种多支持度条件下的前缀树结构MSLP-tree,并基于此结构提出一种序列模式增长算法MSLP-growth。通过考虑各数据项不同最小支持度,获取更精确的频繁序列模式,在确保挖掘结果的准确性和完整性的前提下,大大压缩搜索空间,缩短挖掘时间。实验结果表明,相较于MS-GSP算法,MSLP-growth算法具有更高的挖掘效率和可扩展性。

摘要：序列模式挖掘是数据挖掘中的一个重要研究方向,对序列模式挖掘中的4种算法(AprioriAll、GSP、FreeSpan、Prefixspan)的执行过程及其特点进行了研究,并对这几种算法的时空执行效率进行了定性和定量的分析比较,指出了4种算法各自的适用范围,得出的结果对序列模式挖掘系统的设计具有一定的参考价值。

摘要：通过模式空间划分将基于Map/Reduce处理数据集与候选序列模式集的多对多的对应关系的问题转化为处理数据集与以频繁1-序列为基的各子模式空间的多对多的对应关系问题,大大缩小了中间结果键值对集合的规模,避免了由于组合爆炸导致的单一Map节点的瓶颈问题.通过三轮的Map/Reduce任务,实现了模式空间和过滤规则的建立,并在此基础上实现了各子模式空间上独立地进行序列模式的挖掘.通过充分利用整个模式空间的全局特征及各子模式空间的个性特征,设计了优化的非递归挖掘算法,减少了前缀投影库构造次数及对构造的投影库的扫描次数,从而提高了挖掘阶段的效率.

摘要：序列模式挖掘是数据挖掘领域的研究课题之一,针对传统算法对处理大数据普遍存在扩展性问题。为了改进扩展性,本文提出云模式下基于MapReduce的序列模式挖掘算法(SPAMC),本文设计出迭代MapReduce框架来高效生成候选模式,并在构建词法序列树时进行修剪。该框架不仅将树结构的子任务分给并行排列的独立映射机,而且能实现对支持计数的并行处理。选用32台虚拟机构建云环境,对多达1300万个交易序列进行了全面实验,实验结果表明SPAMC可大大缩短大数据的挖掘时间,达到极高的可扩展性,并提供云聚集的理想负载平衡。

摘要：由于序列模式挖掘需要花费大量计算时间,并需要占用大量存储空间.减少计算量、节省存储空间开销成为序列模式挖掘的关键.因PrefixSpan算法不产生候选,而适当应用Bitmap数据结构可避免重复扫描数据库,基于此,本文提出了BM-PrefixSpan算法,用于序列模式挖掘,设计并构造了PFPBM(Prefix of First Position on BitMap)表用于记录序列中的每个项在位图中第1次出现的位置.实验结果表明,BM-PrefixSpan算法综合了PrefixSpan和SPAM算法的优点,能够更快、更好地挖掘出序列模式.

摘要：目前,不少审计系统引入数据挖掘技术以增强系统功能。其中,大多数都是基于关联规则技术。关联规则技术无法挖掘出具有时序特征的规则,而序列模式挖掘刚好能解决这方面的问题。该文讲述一种基于序列模式挖掘技术的审计系统的设计与实现。该审计系统审计的数据源自身份验证、入侵检测、访问控制等模块产生的事件记录,并通过序列模式挖掘技术来分析这些记录,从中提取规则实现审计,并介绍了如何解决选取数据、预处理数据、选取挖掘算法等实际问题的方法。