圖數(shù)據(jù)頻繁模式并行挖掘研究.pdf

1、頻繁模式是數(shù)據(jù)挖掘研究關(guān)注的主題之一，在圖數(shù)據(jù)挖掘中，頻繁模式需要在其模式中嵌入結(jié)構(gòu)，其在圖數(shù)據(jù)中的應(yīng)用主要為從圖數(shù)據(jù)中挖掘頻繁出現(xiàn)的子圖模式或其演變模式，例如，閉圖模式、稠密模式、近似模式。這些模式可用于對圖數(shù)據(jù)進(jìn)行分類、聚類、索引構(gòu)建和相似性搜索。開放環(huán)境應(yīng)用下海量數(shù)據(jù)體量巨大、類型繁多、關(guān)系復(fù)雜，需借助帶標(biāo)簽的圖模型進(jìn)行建模，并通過并行計算技術(shù)來提高圖數(shù)據(jù)頻繁模式挖掘算法的可擴(kuò)展性。針對上述問題，本文側(cè)重研究帶標(biāo)簽圖數(shù)據(jù)頻繁模式的

2、大規(guī)模并行挖掘，主要工作如下:
　　(1)研究圖數(shù)據(jù)的近似頻繁模式，該模式不僅具有頻繁項集的特點，也具有子結(jié)構(gòu)的特點:近似模式為圖中頂點屬性的子集，子集中元素之間必須通過圖的路徑相連通。在挖掘中既能表示圖數(shù)據(jù)中頻繁連通的結(jié)構(gòu)特征，也能避開目前頻繁子圖挖據(jù)中需要解決的子圖同構(gòu)驗證問題。
　　(2)利用近似頻繁模式的反單調(diào)性，提出基于Apriori的挖掘算法:首先結(jié)合馬爾科夫鏈和信息數(shù)據(jù)流動模型給出近似頻繁模式的支持度計算方法，

3、然后通過預(yù)處理技術(shù)把圖數(shù)據(jù)集轉(zhuǎn)換成事務(wù)數(shù)據(jù)集。然后把算法部署在開源分布式并行編程框架Mapreduce中，實現(xiàn)模式挖掘的并行化。
　　(3)針對基于Apriori模式挖掘算法在挖掘過程中產(chǎn)生過多候選項集和多次掃描數(shù)據(jù)庫的問題，提出基于FP-Growth的模式挖掘算法LCPP。進(jìn)一步，針對LCPP算法中數(shù)據(jù)集隨意分組導(dǎo)致的節(jié)點負(fù)載不均衡問題，引入均衡分組思想，提出基于位置進(jìn)行組劃分的策略，提高集群節(jié)點的工作效率。并在分布式并行編程框