正序列模式是只含有发生元素的序列,而负序列模式是不仅含有发生元素还含有不发生元素的序列,这种含有发生元素和不发生元素的负序列模式在深层次理解序列和处理一些商业问题上发挥着不可替代的作用。然而,在进行负序列模式挖掘之后也出现了很多问题,其中如何选取可决策的正负序列模式是亟待解决的问题之一,因为正序列模式可能会误导决策,就像早期的关联规则研究中人们发现正关联规则会误导决策一样。虽然目前有一些关于可决策的知识挖掘方法的研究,如可决策的正负关联规则、可决策的模式等,但由于负序列模式挖掘还处于初级阶段这些研究都还未涉及可决策的正负序列模式选取。为此,本文以可决策的知识挖掘和正负关联规则选取方法为切入点,对可决策的正负序列模式选取方法进行了研究。主要研究内容如下:1.对兴趣频繁项集选取方法和改进方法进行了分析。分析了选取兴趣频繁项集的吴氏方法和一种基于相邻元素的方式改进吴氏方法使之能处理序列模式的方法——SAP算法。2.提出了一种新的方法——SAPNSP算法,SAPNSP算法是基于序列递增的方式来对吴氏方法进行改进,使之能够选取可决策的正负序列模式。3.提出了可决策的正负序列模式选取方法——SACPD算法。SACPD算法针对吴氏算法不能处理序列的情况,提出了基于序列切分的方式改进吴氏方法使之能够适应序列的选取,进而实现对可决策的正负序列模式的选取。4.提出了可决策的正负序列模式选取方法——SAPBN算法。SAPBN算法的设计思想是基于贝叶斯马尔科夫过程对正负序列模式内部元素的相互关系进行判断,通过判断计算得到的正负序列模式内部元素的相互关系值进而达到对可决策的正负序列模式选取目的。