●1緒論
1．1研究背景
1．2基因表達數據挖掘
1．3基因表達數據挖掘研究現狀概述
1．3．1基於定量測度的雙聚類
1．3．2基於定性測度的雙聚類
1．3．3基於查詢的雙聚類
1．3．4約束型雙聚類
1．3．5存在的問題
1．4主要工作
1．5組織結構
2基因表達數據中的局部模式挖掘研究綜述
2．1引言
2．2問題定義
2．3局部模式類型與標準
2．4研究現狀
2．4．1基於定量測度的雙聚類
2．4．2基於定性測度的雙聚類
2．4．3基於查詢的雙聚類
2．4．4約束型雙聚類
2．4．5存在的問題
2．5未來研究方向
2．6小結
3基於蝶形網絡的基因表達數據並行分割與挖掘方法
3．1引言
3．2問題定義與分析
3．2．1問題定義
3．2．2優缺點分析
3．3並行分割方法
3．3．1基於蝶形網絡的HamaBSP框架
3．3．2基於分布式哈希表的去冗餘方法
3．3．3結果完整性的證明
3．4實驗評估
3．4．1分布式並行方法與單機實現的比較
3．4．2分布式並行框架的比較
3．5相關工作
3．6小結
……
4OPSM的索引與查詢
5OMEGA：OPSM的挖掘、索引與查詢工具
6基因表達數據中OPSM的約束查詢
7基於數字簽名與Trie的OPSM約束查詢
8總結與展望
參考文獻
隨著以高通量測序技術為代表的新技術得到發展和廣泛應用，越來越多可利用的密集型數據開始出現。同時，大數據技術也處於如火如荼的發展中。在大數據環境下處理密集型數據成為可能，而其處理性能也是信息技術能否成功應用的關鍵。本書首先綜述了從以基因表達數據為代表的密集型數據中挖掘局部模式的方法：並圍繞局部模式並行挖掘的執行性能問題，提出了大數據環境下減少數據交互量的計算框架，在此基礎上設計挖掘多種類型的局部模式的並行算法。其次，為了從源數據中直接搜索符合特定要求的多類型的局部模式，提出了基於前綴樹索引的查詢方法，進而提升了密集型數據的分析效率；然後針對局部模式的挖掘、索引與查詢問題，設計了一個名為OEMGA的原型繫統。最後，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。本書為大數據環境下密集型數據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。
