4、数值数据挖掘与软约束模式挖掘范式拓展

数值数据挖掘与软约束模式挖掘范式拓展

在数据挖掘领域，处理不同类型的数据并挖掘有价值的模式是一个核心任务。本文将探讨数值数据中的双集挖掘以及软约束模式挖掘范式的拓展。

1. 数值数据中的双集挖掘

在基因表达数据分析等场景中，原始数据通常是实数集合。传统的数据挖掘技术多处理 0/1 数据，对于数值数据，需要进行布尔属性编码，这一过程较为繁琐。因此，直接从数值数据中挖掘集合模式具有重要意义。

1.1 NBS 模式相关特性

• 与 ϵ 的关系 ：随着 ϵ 的增加，NBS 模式集合的大小往往会减少。直观上，当 ϵ 增大时，许多模式会聚集在一起，而通过生成多个新模式来扩展的模式较少。同时，最小尺寸约束可以解释集合大小的增加。当模式大小随 ϵ 增加时，新的 NBS 模式可能会出现在集合中。
• 相关示例图 ：通过图 2、图 3、图 4 和图 5 可以更直观地观察 NBS 模式的相关特性，如 NBS 的平均面积与 ϵ 的关系、集合大小与 ϵ 的关系等。

图编号	内容
图 2	NBS 模式的示例
图 3	提取的 NBS 示例
图 4	NBS 平均面积与 ϵ 的关