基于改进PrefixSpan的序列模式挖掘算法

计算机应用 ›› 2011, Vol. 31 ›› Issue (09): 2405-2407.

基于改进PrefixSpan的序列模式挖掘算法

公伟¹,²,刘培玉¹,²,贾娴¹,²

1. 山东省分布式计算机软件新技术重点实验室，济南 250014
2. 山东师范大学信息科学与工程学院，济南 250014

收稿日期:2011-03-07 修回日期:2011-06-16 发布日期:2011-09-01 出版日期:2011-09-01
通讯作者: 公伟
作者简介:公伟(1987-)，男，山东淄博人，硕士研究生，主要研究方向：网络信息安全、网络安全审计；
刘培玉(1960-)，男，山东潍坊人，教授，博士生导师，CCF高级会员，主要研究方向：计算机网络信息安全、网络系统规划、网络信息资源开发、软件开发；
贾娴(1984-)，女，山东菏泽人，硕士研究生，主要研究方向：网络信息安全、网络安全审计。
基金资助:
国家自然科学基金资助项目(61003131;61003138;61073116);山东省自然科学基金资助项目(ZR2009GM009);山东省自然科学基金资助项目(ZR2009GZ007);山东省教育厅科技计划项目(J09LG52)

Sequential patterns mining algorithm based on improved PrefixSpan

GONG Wei¹,²,LIU Pei-yu¹,²,JIA Xian¹,²

1. School of Information Science and Engineering, Shandong Normal University, Jinan Shandong 250014, China
2. Shandong Provincial Key Laboratory for Distributed Computer Software Novel Technology, Jinan Shandong 250014, China

Received:2011-03-07 Revised:2011-06-16 Online:2011-09-01 Published:2011-09-01
Contact: GONG Wei

摘要/Abstract

摘要： 针对PrefixSpan算法构造投影数据库开销大的问题，提出一种基于改进PrefixSpan的序列模式挖掘算法SPMIP。该方法通过添加剪枝步和减少某些特定序列模式生成过程的扫描，来减少投影数据库的规模及扫描投影数据库的时间，提高算法效率，并最终得到需要的序列模式。实验结果证明在获得序列模式不受影响情况下，SPMIP算法比PrefixSpan算法效率更高。

关键词: PrefixSpan, 序列模式, 投影数据库, 剪枝, 扫描

Abstract: PrefixSpan, the classic sequential patterns mining algorithm, has the problem of producing huge amount of project databases. To solve this problem, a sequential patterns mining algorithm named SPMIP was proposed based on an improved PrefixSpan. This algorithm reduced the scale of projected databases and the time of scanning projected databases through adding pruning step and reducing scanning of certain specific sequential patterns production. In this way, algorithm efficiency could be raised up, and the needed sequential patterns were obtained. The experimental results show that SPMIP is more efficient than PrefixSpan while obtained sequential patterns have not been affected.

Key words: PrefixSpan, squential pattern, project database, pruning, scanning

中图分类号:

TP311.13

公伟刘培玉贾娴. 基于改进PrefixSpan的序列模式挖掘算法[J]. 计算机应用, 2011, 31(09): 2405-2407.

GONG Wei LIU Pei-yu JIA Xian. Sequential patterns mining algorithm based on improved PrefixSpan[J]. Journal of Computer Applications, 2011, 31(09): 2405-2407.

[1]	康军, 黄山, 段宗涛, 李宜修. 时空轨迹序列模式挖掘方法综述[J]. 计算机应用, 2021, 41(8): 2379-2385.
[2]	张玲, 邝继顺. 环形链轮询复用测试端口的高效测试结构[J]. 计算机应用, 2021, 41(7): 2156-2160.
[3]	张明明, 卢庆宁, 李文中, 宋浒. 基于联合动态剪枝的深度神经网络压缩算法[J]. 计算机应用, 2021, 41(6): 1589-1596.
[4]	郭文旭, 苏远歧, 刘跃虎. 基于ZYNQ平台的YOLOv3压缩和加速[J]. 计算机应用, 2021, 41(3): 669-676.
[5]	王忠锋, 徐志远, 宋纯贺, 张宏宇, 蔡颖凯. 基于梯度的深度网络剪枝算法[J]. 计算机应用, 2020, 40(5): 1253-1259.
[6]	陈程军, 毛莺池, 王绎超. 基于激活-熵的分层迭代剪枝策略的CNN模型压缩[J]. 计算机应用, 2020, 40(5): 1260-1265.
[7]	宋芸, 张元科, 卢虹冰, 邢宇翔, 马建华. 基于区域内容感知核范数的低剂量CT影像去噪[J]. 计算机应用, 2020, 40(4): 1177-1183.
[8]	谢斌红, 钟日新, 潘理虎, 张英俊. 结合剪枝与流合并的卷积神经网络加速压缩方法[J]. 计算机应用, 2020, 40(3): 621-625.
[9]	巩凯强, 张春梅, 曾光华. 卷积神经网络模型剪枝结合张量分解压缩方法[J]. 计算机应用, 2020, 40(11): 3146-3151.
[10]	王淳颖, 张驯, 赵金雄, 袁晖, 李方军, 赵博, 朱小琴, 杨凡, 吕世超. 基于多源告警的攻击事件分析[J]. 计算机应用, 2020, 40(1): 123-128.
[11]	陈田, 左永生, 安鑫, 任福继. 基于三态信号的测试数据相容压缩方法[J]. 计算机应用, 2019, 39(6): 1863-1868.
[12]	何云华, 牛童, 刘天一, 肖珂, 芦翔. 网络匿名扫描系统设计及优化[J]. 计算机应用, 2019, 39(5): 1385-1388.
[13]	邱甲军, 吴跃, 惠孛, 刘彦伯. 基于小波变换的分数阶微分算法在肝脏肿瘤CT图像纹理增强中的应用[J]. 计算机应用, 2019, 39(4): 1196-1200.
[14]	韩萌, 丁剑. 数据流频繁模式挖掘综述[J]. 计算机应用, 2019, 39(3): 719-727.
[15]	杜媛, 张世伟. 基于重构的改进自然排序树算法[J]. 计算机应用, 2019, 39(2): 441-445.