对比模式挖掘研究进展

对比模式挖掘是数据挖掘的一个重要和集中的子领域,主要涉及数据集的模式挖掘和对比处理。它的目的是寻找有趣的对比模式,描述满足各种不同条件的显著差异的数据集。对比的条件可以在类、时间、位置、或其他"维"中定义,当然也可以在他们的组合中定义。对比模式可以代表类之间的不同差异,随时间推移的有趣的变化或者空间趋势变化等等,通过分析两类或多类样本中的对比信息能够得到新的未知信息。对比模式挖掘发展至今,已有了众多的相关技术和算法,在许多领域得到有效应用。本文对现有的对比模式挖掘技术进行了全面的解读,其中包括了它的背景介绍、基本概念、技术算法、相关应用、研究展望等内容,能够为对该方向感兴趣的研究者提供详尽参考。

面向置换检验的冗余对比模式过滤算法

置换检验方法在进行对比模式挖掘时,返回结果中存在许多冗余对比模式。利用Charm方法挖掘样本集合中的对比模式,提出基于固定属性置换的FSPRP和FEPRP算法,依次为不同长度的对比模式构建零分布,从而过滤冗余对比模式。FSPRP算法通过生成一定数量的置换样本集合构建零分布,FEPRP算法则通过计算每个模式的对比性度量值分布合并建立零分布。实验结果表明,FSPRP和FEPRP算法相较于比较约束法能够过滤较多数量的冗余对比模式,并且FEPRP算法生成的零分布更接近精确零分布。