[发明专利]一次性条件下带弱通配符的自适应序列模式挖掘方法

权利要求书

1.一次性条件下带弱通配符的自适应序列模式挖掘方法，其特征在于：采用模式增长的方式生成候选模式去缩减空间，在计算一次性条件下带弱通配符的模式支持度时，采用了在线倒序填充策略实现模式支持度的高效计算，从而实现了一次性条件下带弱通配符的自适应序列模式挖掘，具体步骤如下：

第一步，读入序列数据库SDB，给定字符集Σ、强字符集Γ、弱字符集Ω和最小支持度阈值minsup：

读入序列数据库SDB，确定其大小为N，该序列数据库SDB中的每个序列分别记为序列S₁、序列S₂、…、序列S_k、…、序列S_N，其中1≤k≤N，序列S_k中的每个字符分别记作字符s₁、字符s₂、…、字符s_n，给定字符集Σ、强字符集Γ、弱字符集Ω和最小支持度阈值minsup；

第二步，处理模式长度为1的频繁模式集合fre₁：

将上述第一步给定的强字符集Γ中的字符加入模式长度为1的候选模式集合cand₁中，计算候选模式集合cand₁中每个模式的出现数，将出现数大于等于最小支持度阈值minsup的模式加入模式长度为1的频繁模式集合fre₁；

第三步，生成模式长度为L+1候选模式集合cand_L+1：

采用模式拼接的方法生成候选模式集合cand_L+1，其中L表示频繁模式的长度，操作如下：

①当L＝1时，将上述第二步处理获得的模式长度为1的频繁模式集合fre₁中的字符相互组合，生成模式长度为L+1的候选模式集合cand_L+1；

②当L1时，采用模式拼接的方法生成模式长度为L+1的候选模式集合cand_L+1，具体操作是：

当L1时，在生成候选模式集合cand_L+1的过程中，对于模式p＝p₁p₂…p_m-1p_m，除去模式p的最后一个子模式p_m剩余的部分称为模式p的前缀，即prefix(p)＝p₁p₂…p_m-1；除去模式p的第一个子模式p₁剩余的部分称为模式p的后缀，即suffix(p)＝p₂…p_m-1p_m；当存在模式长度同为L的模式p和模式q，满足模式p的后缀与模式q的前缀相等时，采用模式拼接方法拼接为模式长度为L+1的模式r，即suffix(p)＝p₂p₃…p_L＝prefix(q)＝q₁q₂…q_L-1时，模式

当模式长度为L的频繁模式集合fre_L不为空时，从左到右遍历频繁模式集合fre_L，依次取出该频繁模式集合fre_L中的模式p_i，计算模式p_i的后缀suffix(p_i)，从左到右寻找满足suffix(p_i)＝prefix(p_j)条件的模式p_j，对模式p_i与模式p_j进行模式拼接为模式长度为L+1的模式将模式r加入模式长度为L+1的候选模式集合cand_L+1中，对频繁模式集合fre_L中的所有满足suffix(p_i)＝prefix(p_j)条件的模式p_j进行拼接，直到在频繁模式集合fre_L中模式p_j的下一个模式p_k，suffix(p_i)≠prefix(p_k)时，对模式p_i的拼接结束，从频繁模式集合fre_L中模式p_i的下一个模式开始，继续重复上述步骤，直到最后一个模式拼接结束，模式长度为L+1的候选模式集合cand_L+1生成完毕；

第四步，计算模式p_i在序列数据库SDB中的模式支持度sup(p_i,SDB)：

上述第三步生成的模式长度为L+1的候选模式集合cand_L+1中每个模式p_i为上述第三步中的当模式长度为L的频繁模式集合fre_L不为空时，从左到右遍历频繁模式集合fre_L，依次取出该频繁模式集合fre_L中的模式p_i，序列S_k为上述第一步中的序列数据库SDB中的一个序列，计算模式p_i在序列数据库SDB中的模式支持度sup(p_i,SDB)的操作如下：

第(4.1)步，计算模式p_i在序列S_k中的模式支持度sup(p_i,S_k)：

计算步骤如下，

第(4.1.1)步，确定队列的个数：

读入模式p_i，确定其长度为m，该模式p_i的各个子模式分别记作子模式p_i1、子模式p_i2、…子模式p_ij、…子模式p_im，这里(0j≤m)，根据给定模式p_i中的子模式数确定队列的个数，则确定队列共有m个，分别记作队列1、队列2、…、队列j、…、队列m，这里0j≤m，模式支持度sup(p_i,S_k)初始化为0；

第(4.1.2)步，创建队列结点：

在一次性条件下挖掘频繁模式过程中，所有结点不可重复使用，根据上述第一步中给定的强字符集Γ、弱字符集Ω和序列S_k和上述第(4.1.1)步读入的模式p_i，采用倒序匹配策略创建队列结点，创建队列结点，具体方法如下：

依次读入序列S_k中的字符，依次从模式p_i最后一层即子模式p_m开始做判断，判断序列S_k中的字符是否与模式p_i中字符相同，结果如下：

1)序列S_k中的字符与模式p_i中的字符不相同，无法创建队列结点；

2)序列S_k中的字符与模式p_i中的字符相同，分下列两种情况做判断：

①在上述队列1即当j＝1时，直接在队列1中创建标签为i的结点

②在上述除队列1之外的队列，即当j1时，需要同时满足以下两个条件，结点才能创建：

a)队列j和队列j-1满足num_jnum_j-1，其中num表示结点个数；

b)结点和上层队列对应结点满足弱通配符的要求，即间隙中的字符只能属于弱字符集Ω，当不满足间隙中的字符只能属于弱字符集Ω时，要将结点和上层队列对应结点所在的队列都删除；

当上述最后一层队列m即当j＝m不为空时，代表队列中存在一组出现，模式p_i的模式支持度sup(p_i,S_k)加1，直至读完序列中的所有字符，找到所有的一次性出现，模式p_i在序列S_k中的出现寻找完毕，模式p_i的模式支持度sup(p_i,S_k)计算结束；

由此完成模式p_i在序列S_k中的模式支持度sup(p_i,S_k)的计算；

第(4.2)步，计算模式p_i在序列数据库SDB中的模式支持度sup(p_i,SDB)：

通过如下公式(1)计算候选模式集合cand_L+1中的模式p_i在上述第一步中读入的序列数据库SDB中的模式支持度sup(p_i,SDB)，

公式(1)中，sup(p_i,S_k)为模式p_i在序列S_k中的模式支持度，即出现数，S_k为序列数据库SDB中的第k个序列；

通过上述第(4.1)步依次计算模式p_i在序列数据库SDB中序列S₁、序列S₂、…、序列S_k、…、序列S_N的模式支持度sup(p_i,S₁)、sup(p_i,S₂)、…、sup(p_i,S_k)、…、sup(p_i,S_N)，其中1≤k≤N，然后通过上述公式(1)计算得到模式p_i在上述第一步中读入的序列数据库SDB中的模式支持度sup(p_i,SDB)；

第五步，获得所有模式长度为L+1的频繁模式集合fre_L+1：

通过上述第四步依次计算上述第三步生成的模式长度为L+1的候选模式集合cand_L+1中每个模式p_i的模式支持度sup(p_i,SDB)，当sup(p_i,SDB)≥最小支持度阈值minsup时，添加到模式长度为L+1的频繁模式集合fre_L+1中，并且按字母顺序排列，由此获得所有模式长度为L+1的频繁模式集合fre_L+1；

第六步，一次性条件下带弱通配符的自适应序列模式挖掘结束：

当上述第三步生成的模式长度为L+1的候选模式集合cand_L+1为空或当上述第五步获得的所有模式长度为L+1的频繁模式集合fre_L+1为空时，频繁模式挖掘完毕，由此，一次性条件下带弱通配符的自适应序列模式挖掘结束。