随着信息技术的高速发展,频繁模式挖掘作为数据挖掘中的重要技术,成为了人们的研究重点。随着应用场景越来越复杂,频繁模式挖掘已经无法满足实际应用的需求,因此加权频繁模式挖掘逐渐受到人们的关注。加权频繁模式挖掘重视项目之间重要性的差异,挖掘出用户更关注的频繁模式。本文在加权频繁模式挖掘研究领域,基于现有算法存在的不足开展研究,提出了两种改进的算法,并分别进行了实验评估。论文主要研究工作和成果如下:(1)在预设项目权重类的加权算法中,针对现有的IWS算法在稠密型数据集上的运行效率问题,研究提出了一种改进的加权频繁项集挖掘算法——间隔字节段差集算法(IBSS_FWI)。在稠密型数据集上挖掘加权频繁项集时,现有的代表性算法中,IWS运行效率低而WIT-diff内存需求高,本文针对这一问题提出了IBSS_FWI算法。IBSS_FWI提出了间隔字节段差集结构(IBSS),使得算法能够兼具位矢量和差集策略的优势。然后提出了两个IBSS之间的差集的快速计算方法,并且给出了通过IBSS计算项集加权支持度的方法。最后通过生成IBSS-tree从加权项事务数据库中挖掘出加权频繁项集。本文在公开数据集上,将IBSS_FWI和现有的两种加权频繁模式挖掘算法IWS和WIT-diff进行了实验对比。实验结果表明:在稠密型数据集上,IBSS_FWI在运行效率和内存占用两个方面均明显优于了现有的代表性算法WIT-diff和IWS。(2)在项目数量加权类的算法中,对当前TWTA算法的运行效率改善问题进行深入分析,研究提出了web日志中停留时间加权的频繁页面集挖掘算法——过滤验证算法(FTA)。针对现有的TWTA及WT算法存在大量候选集,运行效率低的问题,FTA提出了过滤不可能频繁的页面集的基本原理,并通过预处理、过滤、验证三个步骤来快速挖掘加权频繁页面集。在过滤步骤中,提出了两种过滤方案来提高过滤过程的效率,分别是基于改进Apriori的过滤算法(FAA)和基于WPS-tree的过滤算法(FWPS)。本文在公开数据集上,将FTA的两种实现方式——FTA_FAA和FTA_FWPS,与现有的TWTA、WT两种算法进行了实验对比。实验结果表明,FTA_FAA和FTA_FWPS的运行效率显著高于TWTA和WT算法,其中,FTA_FWPS的效率略高于FTA_FAA,而FTA_FAA在内存占用上相比FTA_FWPS具有较大优势。本文对加权频繁模式挖掘算法性能改善问题进行了积极探索,希望对于加权频繁模式挖掘等数据挖掘相关领域具有一定的学术和应用借鉴价值。