大數(shù)據(jù)環(huán)境下局部模式挖掘關鍵技術(shù)研究

　　隨著以高通量測序技術(shù)為代表的新技術(shù)得到發(fā)展和廣泛應用，越來越多可利用的密集型數(shù)據(jù)開始出現(xiàn)。同時，大數(shù)據(jù)技術(shù)也處于如火如荼的發(fā)展中。在大數(shù)據(jù)環(huán)境下處理密集型數(shù)據(jù)成為可能，而其處理性能也是信息技術(shù)能否成功應用的關鍵?！洞髷?shù)據(jù)環(huán)境下局部模式挖掘關鍵技術(shù)研究》首先綜述了從以基因表達數(shù)據(jù)為代表的密集型數(shù)據(jù)中挖掘局部模式的方法：并圍繞局部模式并行挖掘的執(zhí)行性能問題，提出了大數(shù)據(jù)環(huán)境下減少數(shù)據(jù)交互量的計算框架，在此基礎上設計挖掘多種類型的局部模式的并行算法。其次，為了從源數(shù)據(jù)中直接搜索符合特定要求的多類型的局部模式，提出了基于前綴樹索引的查詢方法，進而提升了密集型數(shù)據(jù)的分析效率；然后針對局部模式的挖掘、索引與查詢問題，設計了一個名為OEMGA的原型系統(tǒng)。最后，提出了利用領域知識的約束查詢方法來提升局部模式查詢的相關性?！洞髷?shù)據(jù)環(huán)境下局部模式挖掘關鍵技術(shù)研究》為大數(shù)據(jù)環(huán)境下密集型數(shù)據(jù)的有效分析提供了切實可行的解決方案，具有重要的理論意義和應用價值。

　　姜濤，西北工業(yè)大學工學博士，現(xiàn)為河南財經(jīng)政法大學計算機學院教師、碩士生導師。目前從事大數(shù)據(jù)管理、數(shù)據(jù)挖掘、信息檢索等方面的研究。在國內(nèi)外重要會議與期刊上發(fā)表論文多篇，其中CCFB類會議2篇、CCFC類會議2篇、CCFC類期刊1篇、《軟件學報》1篇、《計算機研究與發(fā)展》1篇、中科院二區(qū)期刊1篇。主持國家自然科學基金青年項目1項、河南省科技攻關項目2項、河南省高等學校重點科研項目1項；參與國家自然科學基金重大項目、國家自然科學基金重點項目、國家自然科學基金青年項目以及各類省部級項目10余項。