基于整体和局部相似性的序列聚类算法

• 作者: 戴东波 汤春蕾 熊赟
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 序列数据 相似性 聚类
• 年，卷（期）: 2010,（4）
• 所属期刊栏目: 数据库技术
• 页码范围: 702-717
• 页数: 16页
• 分类号: TP311
• 字数: 13534字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2010.03609

摘要

现有的很多序列聚类算法是基于"局部特征可以表征整个序列"的假设来进行的,即不区分实际应用中序列的整体相似性和局部相似性.这对存在保守子模式的序列,如DNA和蛋白质序列是适用的,但对一些注重整体序列相似性的应用领域,如:在交易数据库中用户购买行为的比较,时间序列数据中全局模式的匹配等,由于难以产生频繁子模式,用基于全局相似性的度量方法进行聚类显得更为合理.此外,在基于局部相似性的序列聚类算法中,选取的局部子模式表征序列的能力也有待进一步提高.由此,针对不同应用领域,分别提出基于整体相似性的序列聚类算法GSClu和基于局部相似性的序列聚类算法LSClu.GSClu和LSClu分别利用带剪枝策略的二分k均值算法和基于有gap约束的强区分度子模式方法对各自领域的序列数据进行聚类.实验采用交易序列数据和蛋白质序列数据,实验结果表明,GSClu和LSClu对各自领域的序列数据具有较快的处理速度和良好的聚类质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊赟	复旦大学计算机科学技术学院	26	277	7.0	16.0
2	戴东波	复旦大学计算机科学技术学院	6	156	5.0	6.0
3	汤春蕾	复旦大学计算机科学技术学院	6	53	3.0	6.0