改进的PrefixSpan算法及其在序列模式挖掘中的应用

张巍; 刘峰; 滕少华

doi:10.3969/j.issn.1007-7162.2013.04.008

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

改进的PrefixSpan算法及其在序列模式挖掘中的应用

综合研究 | 更新时间：2026-05-27

- 改进的PrefixSpan算法及其在序列模式挖掘中的应用
- Improved Prefixspan Algorithm and Its Application in Sequential Pattern Mining
- 广东工业大学学报 2013年30卷第4期页码：49-54
- 作者机构：
- 作者简介：
  
  张巍(1964-)，女，副教授，主要研究方向为数据挖掘、协同计算.
- 基金信息：
  
  教育部重点实验室基金资助项目（110411）;广东省自然科学基金资助项目（10451009001004804, 91510090010 00007）;广东省科技计划项目（2012B091000173）;广州市科技计划项目（2012J5100054, 2013J4500028）、韶关市科技计划项目（2010CXY/C05）
- DOI：10.3969/j.issn.1007-7162.2013.04.008
  中图分类号：
- 网络首发：2013-12-30，
  
  纸质出版：2013
- 稿件说明：
移动端阅览
张巍, 刘峰, 滕少华. 改进的PrefixSpan算法及其在序列模式挖掘中的应用[J]. 广东工业大学学报, 2013, 30(4): 49-54.

Zhang Wei, Liu Feng, Teng Shao-hua. Improved Prefixspan Algorithm and Its Application in Sequential Pattern Mining[J]. 2013, 30(4): 49-54.
张巍, 刘峰, 滕少华. 改进的PrefixSpan算法及其在序列模式挖掘中的应用[J]. 广东工业大学学报, 2013, 30(4): 49-54. DOI： 10.3969/j.issn.1007-7162.2013.04.008.

Zhang Wei, Liu Feng, Teng Shao-hua. Improved Prefixspan Algorithm and Its Application in Sequential Pattern Mining[J]. 2013, 30(4): 49-54. DOI： 10.3969/j.issn.1007-7162.2013.04.008.

摘要

由于序列模式挖掘需要花费大量计算时间，并需要占用大量存储空间.减少计算量、节省存储空间开销成为序列模式挖掘的关键.因PrefixSpan 算法不产生候选，而适当应用Bitmap数据结构可避免重复扫描数据库，基于此，本文提出了BM-PrefixSpan算法，用于序列模式挖掘，设计并构造了PFPBM(Prefix of First Position on BitMap)表用于记录序列中的每个项在位图中第1次出现的位置.实验结果表明，BM-PrefixSpan算法综合了PrefixSpan和SPAM算法的优点，能够更快、更好地挖掘出序列模式.

Abstract

Because sequential pattern mining needs a lot of computing time and storage space

how to reduce the amount of calculation and storage space becomes the key of the sequential pattern mining algorithm. Combining the PrefixSpan algorithm with Bitmap data structure

this text proposes an improved sequential pattern mining algorithm BM-PrefixSpan. The PFPBM (Prefix of First Position on BitMap) table was designed and implemented. When a new item appeared in a sequence

it was recorded in the PFPBM table. The experimental results show that the BM-prefixspan algorithm mines sequential patterns faster and better than others.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于数据挖掘的短期电力负荷风险预测分析

基于正交投影的降维分类方法研究

聚类分析研究的挑战性问题

基于可拓学的故障诊断及预防方法研究

SCA-YOLO: 基于可变形卷积与上下文感知注意力的实时目标检测