5、序列模式挖掘：带约束与闭序列模式的深入探讨

序列模式挖掘：带约束与闭序列模式的深入探讨

1. 带约束的序列模式挖掘

在序列模式挖掘中，前缀增长（Prefix-growth）方法在处理约束时展现出独特的优势。尽管前缀单调属性比Apriori属性弱，但由于Prefix-growth采用了不同的挖掘方法，它在性能上仍优于基于Apriori的方法。

1.1 处理棘手的聚合约束

对于平均（avg）和求和（sum）这类棘手的聚合约束，它们既不是反单调的，也不是单调的，甚至不具有前缀单调性。例如，在序列数据库SDB中挖掘满足约束 $C \equiv avg(\alpha) \leq 25$ 的序列模式时，不能直接将该约束应用于PrefixSpan挖掘过程。像 $\alpha = 50$ ，虽然 $avg(\alpha) \nleq 25$ ，但添加更多元素后可能得到 $\alpha’ = 50 10 20 10$ ，使得 $avg(\alpha’) \leq 25$ 。

为了将约束 “$avg(\alpha) \leq v$” 深入应用到Prefix-growth挖掘过程中，可以采取以下步骤：
1. 确定处理顺序 ：使用项值升序来确定要处理的投影数据库的顺序。将值小于等于 $v$ 的项称为小项，否则称为大项。
2. 扫描数据库并移除无前景的大项 ：在第一次扫描（投影）数据库时，根据以下规则移除序列中无前景的大项：
- 引理2.16（修剪无前景的序列） ：对于序列 $\alpha$ ，设小项的实例数为 $n$ ，它们的和为 $s$ 。对于 $\alpha$ 中的任何大项 $