[发明专利]一种面向大规模图数据集的统计显著子图挖掘方法及装置

权利要求书

1.一种面向大规模图数据集的统计显著子图挖掘方法，其特征在于，包括：

步骤A1、给定含有n个图的图事务数据库G以及族错误率α；

步骤A2、利用改进的置换检验算法westfall-younglight对所述图事务数据库G进行挖掘，在所述族错误率α下对所述统计显著性阈值进行基于置换检验的假设检验校正，获得优化后的显著性阈值δ^*，以及达到所述显著性阈值δ^*时挖掘的子图所需满足的最小支持度阈值σ；

步骤A3、基于所述显著性阈值δ^*和最小支持度阈值σ，利用蚁群优化算法，在所述图事务数据库G中挖掘统计显著性阈值p小于等于所述显著性阈值δ^*且支持度收敛到所述最小支持度阈值σ的所有子图G_res。

2.根据权利要求1所述的方法，其特征在于，所述步骤A2包括：

A21、基于给定的族错误率α，使图事务数据库G随机生成类标签对应的J个排列；

初始化最小支持度阈值σ为1，初始化校正后的显著性阈值δ^*为支持度对应的最小p值下界，初始化待检验子图的支持度范围为∑₁≥1，初始化不同类标签排列下的最小p值p_min为1；

A22、对应每一个排列，以深度优先方式，从图事务数据库G的根节点出发从一边开始增长图模式的方式进行挖掘，计算挖掘的每一个子图S在正样本集中的支持度γ，根据待检验子图的支持度范围∑_γ＝[u_l,u_r]，检查挖掘的子图S是否为待检验子图，如果不是则继续进行挖掘；

其中，支持度γ表示子图S在正样本中的支持度，∑_γ表示子图S的支持度取值范围，n表示子图S对应正样本集的数目，u_l是0到n之间低于当前显著性阈值δ^*的对应支持度的最小值，u_r是n到N/2之间低于当前显著性阈值δ^*的对应支持度的最大值；

如果子图S的支持度在待检验子图的支持度范围内，则查询精确显著性p值索引表T，如果存在所述子图S的支持度对应的精确显著性p值，则返回精确显著性p值；否则在精确显著性p值索引表T中填加该支持度对应的精确显著性p值，并返回该值；若得到的精确显著性p值小于当前最小精确显著性p值p_min，则将当前最小精确显著性p值更新为新的p_min；

A23、基于获得的更新后的最小精确显著性p值p_min，利用公式一估计当前族错误率，如果族错误率大于给定族错误率α，依次递增最小支持度阈值σ＝σ+1，缩小∑_γ的范围，减少当前显著性阈值δ_γ，直到族错误率小于α，得到确定的支持度阈值σ，并且得到了δ_γ；

公式一：

依据子步骤A22和子步骤A23的方式，直到遍历图事务数据库G中的所有子图；

A24、将获得的所有最小精确显著性p值中α分位数作为校正后的显著性阈值δ^*，以及基于获得的显著性阈值δ^*，确定最小支持度阈值σ。