1. 本选题研究的目的及意义
序列模式挖掘是从序列数据库中挖掘出频繁出现的模式，并用于预测未来趋势和行为。
传统序列模式挖掘算法通常只关注模式的出现频率，而忽略了模式本身的实际意义和应用价值。
然而，在许多实际应用场景中，我们更加关注那些能够揭示数据背后隐藏的规律和知识，并对决策制定具有重要意义的模式，这些模式被称为兴趣模式。
2. 本选题国内外研究状况综述
序列模式挖掘作为数据挖掘领域的一个重要研究方向，近年来受到国内外学者的广泛关注。
1. 国内研究现状
国内学者在序列模式挖掘领域取得了一定的成果，特别是在算法效率和可扩展性方面。
3. 本选题研究的主要内容及写作提纲
1. 主要内容
本研究的主要内容包括以下几个方面:
1.兴趣度度量方法研究:调研现有的兴趣度度量方法，分析其优缺点以及适用场景。
针对序列模式的特点和应用需求，设计一种或多种新的兴趣度度量方法，能够更好地反映模式的重要性和实用价值。
4. 研究的方法与步骤
本研究将采用理论研究和实验研究相结合的方法。
首先，对现有的序列模式挖掘算法和兴趣度度量方法进行深入研究，分析其优缺点和适用场景。
阅读相关领域的经典文献和最新研究成果，比较不同算法的性能和适用范围，为本研究提供理论基础。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.提出新的兴趣度度量方法:针对现有兴趣度度量方法的不足，结合序列模式的特点和应用需求，提出一种或多种更合理、更有效的兴趣度度量方法，能够更好地反映模式的重要性和实用价值，提高模式的应用价值。
2.设计高效的挖掘算法:针对大规模数据集和复杂兴趣度度量的挑战，设计一种高效的基于兴趣度的序列模式挖掘算法，能够快速地从数据库中挖掘出满足用户兴趣的序列模式。
算法在设计上注重效率和可扩展性，能够处理大规模数据集，并能够灵活地适应不同的兴趣度度量方法。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1.李明, 王建东. 基于改进FP-Growth算法的网络入侵序列模式挖掘[J]. 小型微型计算机系统, 2023, 44(01): 138-144.
2.谭艳, 王乐, 王宁. 基于序列模式挖掘的大学生学习行为预警研究[J]. 计算机技术与发展, 2023, 33(02): 1-7.
3.黄玲, 王国仁, 王超. 面向微博热点话题演化的序列模式挖掘方法[J]. 小型微型计算机系统, 2022, 43(01): 14-21.
