基于图理论的频率子图挖掘算法在生物分子网络中的研究  

A Frequent Subgraph Mining Algorithm Based on Graph Theory in Biomolecular Network

作　　者：张娅婷[1] 徐小娟 谢冬青[3] 

机构地区：[1]湖南信息职业技术学院,湖南长沙410200 [2]湖南石化职业技术学院,湖南岳阳414012 [3]广州大学,广东广州510000

出　　处：《计算技术与自动化》2008年第2期62-65,共4页Computing Technology and Automation

基　　金：教育部重点项目(105129)

摘　　要：基于大规模生物分子网络的信息挖掘是近年来生物信息学研究领域的一个重要研究课题,频率子图在生物分子网络中代表具有特定功能的稳定结构,基于频率子图的挖掘是生物信息学的一个重要研究方向,对分子网络中的频率子图挖掘算法进行研究,主要对三种经典频率子图挖掘算法(AGM、FSG、gSpan)进行详细的研究和比较,并对生物分子网络中频率子图挖掘存在的问题及解决这些问题的方法进行研究,其目的是为研究更高效的频率子图挖掘算法提供参考和借鉴。Information mining based on Large Scale biomolecular network is very important in the bioinformatics field in the last years. Frequent subgraph is the steady structure in the biomolecule network. In the bioinformatics field, information mining based on Frequent subgraph is an important direction, which is studied in this paper. Three classic arithmetic （AGM,FSG,gSpan） are studied and compared in＇detail in order to develop more efficiency arithmetic.

关 键 词：频率子图 AGM FSG gSpan 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]