[发明专利]一种基于序列模式挖掘算法的系统发生树构建方法

权利要求书

1.一种基于序列模式挖掘算法的系统发生树构建方法，其特征在于，包括如下步骤：

步骤1：挖掘隐藏在序列集中能够用于衡量序列相似性的频繁序列模式，得到初始模式集；

步骤2：过滤初始模式集中的非闭合频繁模式，得到能够代表序列集的优化模式集；然后构造模式向量集，再计算模式向量之间的距离，进而构建距离矩阵；根据距离矩阵生成最终需要的系统发生树；

其中，步骤2中，构造模式向量集时，若构造赋有权重信息的模式向量，采用利用模式的长度信息的方式、去除模式之间的重叠部分的方式、对模式进行合并及扩展操作的方式、组合具有先后顺序的模式为大模式的方式中的一种或几种构造赋有权重信息的模式向量；

采用利用模式的长度信息的方式构造赋有权重信息的模式向量时，权重通过以下公式计算得到；

其中，W为权重，PatLength表示当前模式的长度，DBSize和PatSup分别表示序列数据库的大小和当前模式的支持度大小。

2.根据权利要求1所述的一种基于序列模式挖掘算法的系统发生树构建方法，其特征在于，步骤1的具体步骤如下：

第一，根据输入序列集大小、序列类别以及序列长度信息，设定模式挖掘过程中支持度参数、精确匹配与模糊匹配位参数，指定输入文件名及路径、输出特征集文件名及路径以及输出距离矩阵文件名及路径；

第二，根据设定的支持度参数、精确匹配与模糊匹配位参数，通过序列模式挖掘算法对序列集进行挖掘，得到初始模式集。

3.根据权利要求2所述的一种基于序列模式挖掘算法的系统发生树构建方法，其特征在于，通过序列模式挖掘算法对序列集进行挖掘的具体过程为：初始模式以一个空模式和其相对应的空投影数据库开始模式增长过程，在模式增长的过程中，陆续保留那些满足支持度参数、精确匹配与模糊匹配位参数的频繁模式；相应的投影数据库迭代更新，直到投影数据库无法更新以满足支持度参数，模式停止增长，得到初始模式集。

4.根据权利要求1所述的一种基于序列模式挖掘算法的系统发生树构建方法，其特征在于，步骤2中，构造模式向量集时：将初始模式集中每条序列转换为二进制的模式向量的形式，或是利用模式自身所含信息量的多少来将序列转换为赋有权重信息的模式向量的形式。