基于相似性度量的圖模式挖掘研究.pdf

1、隨著人們利用信息技術(shù)生產(chǎn)和搜集數(shù)據(jù)的能力大幅提高，數(shù)據(jù)資料的規(guī)模急速膨脹，我們已經(jīng)被淹沒在數(shù)據(jù)的汪洋大海中。作為大規(guī)模數(shù)據(jù)處理和決策支持的關(guān)鍵步驟之一，數(shù)據(jù)挖掘受到了人們的廣泛關(guān)注，而頻繁模式挖掘是其中一個重要的研究課題，其研究重點(diǎn)是發(fā)現(xiàn)數(shù)據(jù)中的特征信息，即模式。近年來，頻繁模式挖掘技術(shù)已經(jīng)廣泛運(yùn)用于各個領(lǐng)域，但是，隨著數(shù)據(jù)挖掘越來越多的運(yùn)用于新的領(lǐng)域，原來的頻繁模式挖掘方法已經(jīng)無法適應(yīng)問題的需要。這是因?yàn)檫@些方法都以項(xiàng)集為基本操作對象

2、，而現(xiàn)實(shí)生活中萬物皆有內(nèi)在的聯(lián)系，彼此之間構(gòu)成一張復(fù)雜的網(wǎng)，因此用圖模型來抽象相關(guān)領(lǐng)域的問題更加符合真實(shí)情況。在圖模型下，頻繁模式的挖掘即是在圖中尋找頻繁出現(xiàn)的子圖。 本文在分析已有圖模式挖掘算法的基礎(chǔ)上，提出了基于相似性度量的圖模式挖掘方法SBPM(similaritv basedpattern mining)，它首先利用一個高效的枚舉算法找出圖中所有規(guī)定大小的子圖，然后基于圖的頂點(diǎn)及頂點(diǎn)周圍結(jié)構(gòu)的相似性度量兩個圖之間的相似性