36、序列与时空模式挖掘算法综述

序列与时空模式挖掘算法综述

在数据挖掘领域，序列模式挖掘和时空模式挖掘是两个重要的研究方向。序列模式挖掘旨在从序列数据中发现频繁出现的模式，而时空模式挖掘则专注于从时空数据中提取有价值的信息。下面将详细介绍这两种模式挖掘的相关算法和方法。

1. 序列模式挖掘算法

序列模式挖掘有多种算法，可分为增量方法、混合方法、近似方法、Top - k 闭序列模式挖掘和频繁情节挖掘等。

1.1 增量方法

许多现实生活中的序列数据库是逐步增长的，为了避免每次数据库更新都从头开始挖掘，开发了增量算法。
- ISM 算法 ：基于 SPADE 算法，目标是最小化处理增量更新时的 I/O 和计算需求。该算法使用高效的内存管理方案对数据库进行索引，并创建增量序列格（ISL），包含原数据库中的所有频繁序列（FS）和负边界（NB）中的所有序列。算法分为两个阶段：
- 阶段 1 ：更新 NB 和 FS 中元素的支持度，从频繁序列集中修剪掉更新后变得不频繁的序列，扫描一次数据库即可更新格和负边界。
- 阶段 2 ：在阶段 1 的基础上向 NB 和 FS 中添加新元素。
- ISE 算法 ：使用候选生成 - 测试方法，在向原数据库添加新事务和新客户时计算更新数据库中的频繁序列。为了最小化计算成本，该算法重用旧频繁序列的最小信息（即频繁序列的支持度）。为了找到所有新的频繁序列，考虑了三种类型的频繁序列：
- 原数据库中嵌入的序列可能因增量数据库的支持而变得频繁。
- 原数据库中未出现的新