用于挖掘关联规则的事务序列合并算法

针对Apriori和FP-增长算法存在的需要进行大量数据处理的问题,采用合并事务的思想改进这两种算法。提出一种合并事务的算法缩减事务的总量,并给出两种有效的挖掘关联规则的合并算法。

基于事务序列的视频摘要挖掘方法研究

提出了一种基于事务序列的关联挖掘方法实现对足球视频的摘要挖掘。处理过程分为视频数据预处理、视频属性提取和视频摘要挖掘等三个步骤。视频数据预处理阶段将原始视频流切分成物理镜头。视频属性提取阶段先将物理镜头分成五种类型,将视频转换成镜头标识序列,以事务为单位对标识序列进行切分形成事务序列,构造一种关系数据库来存储这些事物序列数据。在视频摘要挖掘阶段,采用传统的Apriori算法对事务数据库进行关联挖掘获得关联模式,以挖掘出的关联模式为依据形成视频摘要。实验结果表明,挖掘精彩事件的查全率和查准率较高,具有实用价值。

基于事务标识符序列的频繁集发现方法

字符串比较是计算机信息处理的重要方法之一。针对现有关联规则挖掘算法不能记忆及利用历史挖掘成果的局限性,提出了将事务数据库转化为项目数据库,构造项目的支持事务标识符有序序列方法。为提高挖掘效率,减少串处理效率较低的负面影响,给出了双序列串比较算法,以及针对串比较的大项目频繁集发现方法。

序列模式图及其构造算法

序列模式挖掘是数据挖掘的一个重要分支 ,在序列事务及有关信息处理中有着广泛的应用 .目前已有许多序列模式模型及相应的挖掘算法 .该文在对序列模式挖掘问题及挖掘算法进行分析的基础上 ,定义了一种称为序列模式图的序列模式框架 ,用于表示序列模式挖掘过程发现的所有序列模式 .序列模式图是由离散状态的序列集到统一的图结构的桥梁 ,可以将序列模式挖掘结果统一到序列模式图中来 .基于序列模式图进行研究可发现某些结构化的新知识 ,称之为后序列模式挖掘 .文中还给出了序列模式图的有关性质及构造算法 .

事务工作流的建模和分析

事务工作流由若干个事务组成 ,其执行满足松弛原子性 .只有良构的事务工作流才能保证所有执行均满足松弛原子性 .事务具有不同的可补偿特性和可重复特性 ,在包含多种控制结构的复杂事务工作流中 ,事务之间组合失配问题可能造成事务工作流的非良构性 .该文给出了事务工作流模型及良构性的形式化定义 ,提出了一个良构性判断定理 ,通过一种构造性的方法来有效地验证事务工作流的良构性 ,还设计了事务工作流的描述语言ISWDL并实现了良构性验证器 .