小型微型计算机系统ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓＤＯＩ：１０．２０００９／ｊ．ｃｎｋｉ．２１⁃１１０６／ＴＰ．２０２１⁃０５８７２０２３年３月第３期Ｖｏｌ．４４Ｎｏ．３２０２３收稿日期：２０２１⁃０７⁃１５收修改稿日期：２０２１⁃０９⁃０１基金项目：国家自然科学基金项目（６１９７６２４０）资助．作者简介：刘锦，男，１９９７年生，硕士研究生，ＣＣＦ会员，研究方向为序列模式挖掘；武优西（通讯作者），男，１９７４年生，博士，教授，ＣＣＦ会员，研究方向为数据挖掘和机器学习；王月华，女，１９９２年生，博士研究生，ＣＣＦ会员，研究方向为数据挖掘和机器学习；李艳，女，１９７６年生，博士，副教授，研究方向为数据挖掘和供给链管理．近似保序序列模式挖掘刘锦１，武优西１，王月华２，李艳２１（河北工业大学人工智能学院，天津３００４０１）２（河北工业大学经济管理学院，天津３００４０１）Ｅ⁃ｍａｉｌ：１１２０３６８４２５＠ｑｑ．ｃｏｍ摘要：保序序列模式挖掘旨在时间序列中挖掘保序模式完全相同（最精确）的子序列，其可以用来进行疾病发展趋势预测．但只挖掘最精确的保序模式往往会遗漏一些重要信息．有些保序模式虽然不完全相同，但它们之间仍具有很高的相似性．有鉴于此，本文提出了一种近似保序序列模式挖掘算法（ＡｐｐｒｏｘｉｍａｔｅＯｒｄｅｒＰｒｅｓｅｒｖｉｎｇＰａｔｔｅｒｎＭｉｎｉｎｇ：ＡＯＰＭ），该算法能根据输入参数值的不同而挖掘出近似程度不同的保序模式．在候选模式生成方面，ＡＯＰＭ算法采用了基于前后缀拼接的模式融合策略，减少了无意义候选模式的数量．在模式支持度计算方面，ＡＯＰＭ算法首选获取候选模式的全部候选序列，然后在进行模式匹配．本文通过在真实数据集上进行对比实验，验证了ＡＯＰＭ算法的完备性和高效性．关键词：模式挖掘；时间序列；保序序列；（δ⁃γ）距离；模式匹配中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００⁃１２２０（２０２３）０３⁃０４９０⁃０７ＡｐｐｒｏｘｉｍａｔｅＯｒｄｅｒ⁃ｐｒｅｓｅｒｖｉｎｇＳｅｑｕｅｎｔｉａｌＰａｔｔｅｒｎＭｉｎｉｎｇＬＩＵＪｉｎ１，ＷＵＹｏｕ⁃ｘｉ１，ＷＡＮＧＹｕｅ⁃ｈｕａ２，ＬＩＹａｎ２１（ＳｃｈｏｏｌｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔｉａｎｊｉｎ３００４...
