国产无玛黄色大片|99最新极品蜜臀精品久久|久久精品成人av|精品久久久久久中文幕人妻日本|99热资源站人妻多P无码|韩日黄色的男女免费大全|av在线尤物精品国产|无码av免费精品一区二区三区影院|东京热一区二区三区|久久久久久国产成人a亚洲精品无码

摘要：序列模式挖掘是從序列數(shù)據(jù)中發(fā)現(xiàn)用戶感興趣的模式。對比模式挖掘是其中的一類挖掘方法,其特點是在兩類或多類別的序列庫中找到特征信息,在實際的生活和生產(chǎn)中應用十分廣泛。隨著數(shù)據(jù)規(guī)模的不斷增加,算法的挖掘效率顯得尤為重要,但是當前對比模式挖掘仍存在挖掘速度太慢的問題。為了快速挖掘滿足密度約束和間隙約束的對比模式,文中提出了一種近似求解算法ADMD(Approximately Distinguishing Patterns Mining Based on Density Constraint),該算法在模式的挖掘過程中允許存在小部分的模式丟失,從而換取挖掘速度的大幅提升。該算法采用網(wǎng)樹的特殊結構來計算模式的支持數(shù);采用模式拼接的方式來生成候選模式;采用預判式剪枝策略對模式進行剪枝,以避免大量冗余模式的生成。但由于在剪枝過程中可能會剪掉一部分非冗余模式,造成挖掘結果并非完備,因此該算法是一種近似求解算法。在ADMD算法的基礎上,通過在剪枝策略中設定參數(shù)k的方式來得到ADMD-k算法,該算法可以通過設定k的取值來調(diào)整剪枝程度,從而在挖掘效率和準確率方面取得平衡。最后在真實的蛋白質(zhì)數(shù)據(jù)集上將所提算法與其他算法從挖掘的對比模式數(shù)量和挖掘速度方面進行對比實驗。實驗結果表明,在k=1.5的情況下,所提算法僅用不到原來13%的時間,就可以挖掘到99%以上的模式,具有近似度高、速度快的特點。