[00711204]序列模式挖掘技术在商业智能BI中的研究与应用

该项目根据时态数据库的理论，通过研究不确定信息数据中序列模式挖掘及其维护问题的算法，提出了增量式的和基于约束的三种序列模式挖掘算法，取得的主要成果和创新有：提出了增量式频繁访问序列挖掘算法IMFTS，该算法解决了同时添加和删除整个会话序列的增量式挖掘问题。通过使用一种改进的扩展格数据结构IE-Lattice来存储以前的频繁访问序列挖掘结果，缩短了挖掘结果的访问时间。提出了基于约束的增量式序列模式挖掘算法RE_IncUp，该算法解决了动态数据库中的交互序列模式挖掘问题。先利用规则表达式约束进行预处理，缩小了搜索空间，并且在挖掘过程中采用先约束修剪然后计算支持度的方法，减少了计算机支持度的计算量，提高了动态数据库访问效率。提出了基于时间粒度的周期约束序列模式挖掘算法PCS_mine，该算法采用了数据结构HP-CSB存储数据序列，节省了存储空间。课题取得的研究成果可广泛应用于商业智能等应用领域，具有重要理论意义和实际应用价值。该项目研究成果为建立并完善时态数据模型理论体系奠定基础，提供进一步进行研究工作的方向和必备的条件以及关键的理论基础。