78、离散序列分类与挖掘技术解析

离散序列分类与挖掘技术解析

1. 序列分类的挑战与规则基方法

在序列分类中，存在一个重大挑战：序列的许多部分可能存在噪声，与类别标签的相关性不大。有时候，两个符号组成的短模式可能对分类有重要意义；而在其他情况下，多个符号组成的长模式可能更具区分性。甚至，这些有区分性的模式可能并非连续出现。

为了解决这个问题，可以采用规则基方法。具体步骤如下：
1. 将离散序列转换为二进制时间序列 ：
- 对于一个离散序列，根据不同的符号创建对应的二进制字符串。例如，对于核苷酸序列“ACACACTGTGACTG”，可转换为四个二进制时间序列，分别对应符号 A、C、T 和 G：
- A: 10101000001000
- C: 01010100000100
- T: 00000010100010
- G: 00000001010001
2. 对二进制时间序列进行小波变换 ：对每个二进制时间序列应用小波变换，将其映射为多维向量。
3. 组合特征 ：将不同序列的特征组合成一个单一的多维记录。
4. 构建规则基分类器 ：在这个多维表示上构建规则基分类器。

整个数据分类的流程如下：
1. 为每个序列生成小波表示，得到 N 个数值多维表示。
2. 离散化小波表示，创建时间序列小波变换的分类表示。
3. 使用规则基分类器生成一组规则。

当规则集生成后，可将测试序列转换为相同的基于小波的数值多维表示，然后使用这些规则进行分类。