基于序列模式的序列聚类挖掘算法研究

【摘要】： 序列模式挖掘是从大型时序数据库中发现事件之间存在的隐藏的、有趣的序列关系，挖掘出基于时间或者其它顺序的出现频率高的频繁序列模式。它弥补了关联规则挖掘不能反映事件在时间顺序上相关性的缺点。序列模式挖掘技术已在顾客购买行为分析、DNA序列模式分析等多个领域得到了广泛的应用。本文重点研究了在已挖掘的频繁序列模式的基础上，再利用划分聚类的K-均值算法对序列数据进行聚类研究。文中利用Huffman树的构造思想对K-均值算法随机选取初始中心点会导致聚类结果的不稳定性缺点提出了一种新的解决算法K-SPAM (K-means algorithm of sequence pattern mining based on the HuffmanMethod)。 K-SPAM算法实现了对包含相似模式的序列数据进行聚类，通过对聚类初始中心点的选取采用Huffman思想，减少了K-均值算法的迭代次数，提高了聚类的稳定性。并通过实验对K-SPAM和K-均值算法的聚类结果进行比较，进一步证实了K-SPAM算法的优点。