序列模式挖掘就是发现序列数据库中的频繁子序列作为用户感兴趣的模式。它是当前数据挖掘领域中一个很重要、很活跃的研究课题。在现实生活中有着广泛的应用,例如:顾客购物模式分析、网络访问模式分析、科学研究或自然灾害中的序列或与时间有关的过程分析、疾病治疗过程分析、DNA序列分析等等。因此,对于序列模式挖掘的深入研究必将有力地推动相关领域的研究。 用户在使用数据挖掘系统进行数据挖掘时经常带有随意性、反复性。即用户不大可能一次就确定进行数据挖掘的最小支持度阈值,而需要进行多次反复。如果数据挖掘系统运行的速度很慢,那么用户就不可能容忍漫长的等待时间。为提高用户使用系统的满意度,可以将用户使用系统过程中发现的知识保存在知识库中,以加快系统的运行速度。本文在此基础上,设计了序列模式数据挖掘系统的结构,提出了知识库所存储知识的结构。知识库中存储有所包含知识的最小支持度阈值,所发现的序列模式以及它们的支持度,然后根据用户查询时可能提出的最小支持度,将这些知识分块存储,便于查询。提出了建立知识库的方法,知识库在何时更新,如何更新等等。 对于序列模式数据挖掘来说,挖掘算法是系统成功的关键。研究人员一直在努力设计效率更高的数据挖掘算法。本文在研究当前比较流行的一些序列模式挖掘算法的基础上,重点分析了MEMISP算法的不足。针对这些不足,本文提出了一种改进的MEMISP算法。在将数据读入内存时即将原数据库进行投影操作,去除了非频繁项,避免了在进行数据挖掘时的无用读取。设计了新的算法处理的数据结构,并根据这样的结构,提出了算法新的处理过程,使改进的算法更高效。