1) Frequent structure pattern
频繁结构模式
2) frequent structure
频繁结构
3) frequent patterns
频繁模式
1.
Weighted frequent patterns mining algorithm based on global graph traversals;
基于全局图遍历的加权频繁模式挖掘算法
2.
Classification of protein sequences based on frequent patterns;
基于频繁模式的蛋白质序列分类
3.
Algorithm of frequent patterns mining based on FS-tree;
基于FS-tree的频繁模式挖掘算法
4) frequent pattern
频繁模式
1.
Fast discovering frequent patterns in financial time series data based on data mining;
基于数据挖掘的金融时序频繁模式的快速发现
2.
Fast mining frequent patterns in semi-structured data stream;
半结构化文档数据流的快速频繁模式挖掘
3.
A pattern growth algorithm for frequent patterns mining;
一种基于模式增长的频繁模式挖掘算法
5) frequent structure vector model
频繁结构向量模型
1.
In this way,a new research model:frequent structure vector model(FSVM),derived the expression of document structure vector and weight function,and constructed the calculate formula to measure similarity of the two documents.
该方法架构了一个新的检索模型—频繁结构向量模型,给出了文档的结构向量表示和权重函数,构造了XML文档结构相似度量计算公式;同时从数据结构和挖掘程序上对TreeMiner算法进行了改进,使其更适合大文档数据集的结构挖掘。
6) frequent substructure
频繁子结构
1.
Review of graph-based frequent substructure mining algorithm
基于图的频繁子结构挖掘算法综述
补充资料：结构模式识别
用模式的基本组成元素（基元）及其相互间的结构关系对模式进行描述和识别的方法。在多数情况下，可以有效地用形式语言理论中的文法表示模式的结构信息，因此也常称为句法模式识别。
一个句法模式识别系统包括预处理、模式表达、文法推断和句法分析四个主要部分(图1)。
预处理的功能是:①模式的编码和近似;②过滤、复原和增强。通过编码和近似，压缩样本数据；通过过滤、复原和增强，消除噪声和复原缺损以利于下一级用句法方法对模式进行表达。模式表达部分由模式分割和基元(及关系)识别两部分组成。为此，首先需要根据所研究的问题选定一组基元以及基元间的关系类型。例如可用图2中的一组基元来描述染色体。若按顺时针方向跟踪染色体轮廓并以连接关系作为基元间的结构关系,则图3中的次中性染色体可用链babcbabdacad表示。基元选择如同统计模式识别中的特征抽取那样，对整个识别系统的性能有很大的影响。基元应该是基本的模式元素，能够通过一定的结构关系（例如上述的连接关系）紧凑而方便地对模式加以描述,而且应该容易用非句法方法进行抽取或识别,其本身的结构信息在所研究的问题中可以不必考虑。系统的另外两个部分，即文法推断和句法分析，构成句法模式识别理论的中心内容。文法推断类似统计模式识别中的监督学习，通过已知类别的一组样本推断出描述该类模式的文法。适应实际应用的需要，有各种类型的模式文法。除了短语结构文法外，还有各种高维文法如树文法、图文法、网文法、丛状文法以及加入了语义信息的属性文法。与文法推断相结合，一种更广泛形式的学习还可以得到有关模式类的最好的基元集合及其结构描述。句法分析是判断输入模式是否由学习过程中所推断出来的文法产生的，因而是一个识别过程。在最简单的情况下，可以用匹配器代替句法分析，这时在模式基元的意义上把输入链x与每类的参考链匹配，把x归类为与 x匹配得"最好"的参考链所属的类。这种结构识别方法的特点是简单、快速,但是没有充分利用链的句法信息,因此只有在能够确定合适的参考链并有明确的匹配准则情况下才适用。
参考书目
傅京孙著,戴汝为、胡启恒译:《模式识别及其应用》，科学出版社，北京，1983。
一个句法模式识别系统包括预处理、模式表达、文法推断和句法分析四个主要部分(图1)。
预处理的功能是:①模式的编码和近似;②过滤、复原和增强。通过编码和近似，压缩样本数据；通过过滤、复原和增强，消除噪声和复原缺损以利于下一级用句法方法对模式进行表达。模式表达部分由模式分割和基元(及关系)识别两部分组成。为此，首先需要根据所研究的问题选定一组基元以及基元间的关系类型。例如可用图2中的一组基元来描述染色体。若按顺时针方向跟踪染色体轮廓并以连接关系作为基元间的结构关系,则图3中的次中性染色体可用链babcbabdacad表示。基元选择如同统计模式识别中的特征抽取那样，对整个识别系统的性能有很大的影响。基元应该是基本的模式元素，能够通过一定的结构关系（例如上述的连接关系）紧凑而方便地对模式加以描述,而且应该容易用非句法方法进行抽取或识别,其本身的结构信息在所研究的问题中可以不必考虑。系统的另外两个部分，即文法推断和句法分析，构成句法模式识别理论的中心内容。文法推断类似统计模式识别中的监督学习，通过已知类别的一组样本推断出描述该类模式的文法。适应实际应用的需要，有各种类型的模式文法。除了短语结构文法外，还有各种高维文法如树文法、图文法、网文法、丛状文法以及加入了语义信息的属性文法。与文法推断相结合，一种更广泛形式的学习还可以得到有关模式类的最好的基元集合及其结构描述。句法分析是判断输入模式是否由学习过程中所推断出来的文法产生的，因而是一个识别过程。在最简单的情况下，可以用匹配器代替句法分析，这时在模式基元的意义上把输入链x与每类的参考链匹配，把x归类为与 x匹配得"最好"的参考链所属的类。这种结构识别方法的特点是简单、快速,但是没有充分利用链的句法信息,因此只有在能够确定合适的参考链并有明确的匹配准则情况下才适用。
参考书目
傅京孙著,戴汝为、胡启恒译:《模式识别及其应用》，科学出版社，北京，1983。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条