题目：基因表达数据中局部模式挖掘算法的研究与实现

随着高通量检测技术的发展，可以准确且快速地获取大量的基因表达数据。通过进行基因表达数据分析，能够推断基因功能或得到基因表达调控信息，进而指导生物医学领域内的药物治疗效果检测、医学临床诊断、病症产生机制研究等。所以进行生物信息学研究，挖掘基因表达数据中蕴含的信息具有十分重要的现实意义。同时，生物研究发现，功能相似或共调控的基因往往具有局部相似性的特点，即某几个基因可能在某几个样本中具有相关性，但在考虑全局样本的情况下呈现无关，这类模式被命名为局部模式，包括Top-K频繁闭合模式和共调控模式等。

然而，现有的Top-K频繁闭合模式挖掘算法或者会挖掘出支持度不足的模式，或者会挖掘出长度不足的模式，或者时间效率不高，或者空间效率不高。此外，关于共调控模式的研究很少，同时考虑正反调控的挖掘算法几乎没有。因此设计高效的Top-K频繁闭合模式挖掘算法可以优化生物学研究工具，而有效的共调控模式挖掘算法更能为医学研究提供新的参考依据。

本文利用关联规则分析技术来挖掘基因表达数据中的Top-K频繁闭合模式，利用聚类分析技术来挖掘基因表达数据中的共调控模式。具体研究内容包括：

（1）设计并实现了一种基于FP-tree数据结构的Top-K频繁闭合模式挖掘算法FCPminer。算法采用自上而下最优优先的挖掘策略，优先挖掘满足长度的支持度最高的频繁闭合模式，并利用基于哈希的闭合检查方法，有效提高了算法效率。

（2）设计并实现了一种基于空间分割树数据结构的共调控模式挖掘算法CRPminer。算法采用深度优先的挖掘策略，并利用约束剪枝、子集剪枝和镜像剪枝三种剪枝技术，保证了算法的空间效率。

（3）设计并实现了一种基于FP-tree数据结构的共调控模式挖掘算法CRPminer+。主要借鉴本文提出的FCPminer算法思想，采用自顶向下高支持度优先的挖掘策略，以及基于哈希的冗余检查方法，具有较高的时间效率。

实验结果证明，本文提出的Top-K频繁闭合模式挖掘算法FCPminer时间效率非常高；本文提出的两种共调控模式挖掘算法则各有侧重，CRPminer算法空间效率很高，而CRPminer+算法时间效率很高。三种算法都能有效完成挖掘任务。