数据挖掘作为二十一世纪最热门的研究领域之一。随着数据挖掘技术的不断发展,人们已经开始能够从无规律的数据中挖掘出易于理解、便于存储的知识。传统的不平衡数据集对比模式挖掘算法往往是基于单一支持度阈值,随着数据集规模的增大,可能丢失掉一些具有强区分性但支持度较低的项集,而这些项集在基于对比模式的分类算法在对样本进行分类时会一定程度上提升分类的性能。此外,传统的对比模式挖掘算法一般基于单台机器运行,具有线性执行的特点,由于单台机器存在CPU、内存等方面的限制,传统的对比模式开始出现瓶颈,尤其是在面对当今数据的规模大、数据的维度高等特点时,传统的对比模式挖掘算法具有效率较低、扩展性不强的特点。传统的不平衡数据集对比模式分类算法虽然能够一定程度上解决类偏倚问题,然而这些算法往往存在如下缺陷。首先,当数据集的规模较大时,传统的对比模式分类算法由于对模式支持度和的依赖过大,仍然在分类时出现类偏倚问题。此外,传统的对比模式挖掘算法往往根据模式的支持度和来对待分类样本加权,导致分类的结果受模式支持度和的影响过大。针对上述问题,本文主要做了如下工作:(1)本文提出了一种基于多支持度阈值的对比模式并行挖掘算法MSNLIST。该算法能够在对比模式挖掘过程中根据项集的频次计数动态地为项集选取合理的支持度,这样在一定程度上克服传统的对比模式挖掘算法可能过滤掉一些具有一定区分性的项集的问题。另外,该算法可以基于类似MapReduce的批处理如Spark处理大规模、高维度数据集,基本思想是将被挖掘空间切分为小的、独立的单元,这些独立的单元由于不存在相互依赖关系,因此可以被并行地挖掘。本文在多个UCI数据集上对算法进行了实验。实验结果表明,本文提出的对比模式挖掘算法能够挖掘出更多的具有区分性的对比模式,这些模式能够在后序分类实验中提升实验的分类准确度。另外,该算法能够在有效的时间内对大规模的数据进行挖掘,能够通过增加计算节点从而减少挖掘时间,具有良好的扩展性。(2)本文基于数据集的不平衡度IR,提出了一种基于奖惩系数的不平衡数据集的对比模式分类算法RPCP。该算法能够根据类的不平衡度IR来计算样本的奖惩系数,通过奖惩系数来计算出样本在不同类别中的分类得分,这样能够一定程度上克服上述传统的不平衡对比模式分类算法的缺陷。