Modul 1 besteht aus zwei Lektionen. Lektion 1 behandelt die allgemeinen Konzepte der Mustererkennung. Dazu gehören die grundlegenden Konzepte von häufigen Mustern, geschlossenen Mustern, Max-Mustern und Assoziationsregeln. Lektion 2 befasst sich mit drei wichtigen Ansätzen für die Suche nach häufigen Mustern. Wir lernen die Eigenschaft der abwärts gerichteten Schließung (oder Apriori) von häufigen Mustern und drei Hauptkategorien von Methoden zur Gewinnung von häufigen Mustern kennen: den Apriori-Algorithmus, die Methode, die das vertikale Datenformat untersucht, und den Ansatz des Musterwachstums. Wir werden auch erörtern, wie Sie die Menge der geschlossenen Muster direkt abbauen können.

Modul 2 umfasst zwei Lektionen: Lektion 3 und 4. In Lektion 3 besprechen wir die Bewertung von Mustern und lernen, welche Art von interessanten Maßen bei der Musteranalyse verwendet werden sollte. Wir zeigen, dass der Support-Confidence-Rahmen für die Bewertung von Mustern ungeeignet ist, und selbst die häufig verwendeten Lift- und Chi-Quadrat-Maße sind in bestimmten Situationen nicht gut. Wir führen das Konzept der Null-Invarianz ein und stellen ein neues Null-Invarianz-Maß für die Bewertung von Mustern vor. In Lektion 4 befassen wir uns mit der Gewinnung eines breiten Spektrums von Mustern. Wir lernen die Konzepte und Mining-Methoden für Assoziationen auf mehreren Ebenen, mehrdimensionale Assoziationen, quantitative Assoziationen, negative Korrelationen, komprimierte Muster und redundanzbewusste Muster kennen.

Modul 3 besteht aus zwei Lektionen: Lektion 5 und 6. In Lektion 5 besprechen wir die Suche nach sequentiellen Mustern. Wir lernen mehrere beliebte und effiziente Methoden zur Gewinnung sequentieller Muster kennen, darunter eine auf Apriori basierende Methode zur Gewinnung sequentieller Muster (GSP), eine auf vertikalen Datenformaten basierende Methode zur Gewinnung sequentieller Muster (SPADE) und eine auf Musterwachstum basierende Methode zur Gewinnung sequentieller Muster (PrefixSpan). Wir werden auch lernen, wie man geschlossene sequentielle Muster direkt abbaut. In Lektion 6 befassen wir uns mit Konzepten und Methoden zur Gewinnung von raum-zeitlichen und trajektorischen Mustern als eine Art von Pattern Mining-Anwendungen. Wir werden einige beliebte Arten von Mustern und ihre Mining-Methoden vorstellen, darunter das Mining räumlicher Assoziationen, das Mining räumlicher Kolokationsmuster, das Mining und die Aggregation von Mustern über mehrere Trajektorien, das Mining semantisch reichhaltiger Bewegungsmuster und das Mining periodischer Bewegungsmuster.

Modul 4 besteht aus zwei Lektionen: Lektion 7 und 8. In Lektion 7 befassen wir uns mit der Gewinnung hochwertiger Phrasen aus Textdaten als zweite Art von Pattern-Mining-Anwendung. Wir werden vor allem zwei neuere Methoden für das Phrase-Mining vorstellen: ToPMine und SegPhrase, und zeigen, dass die Suche nach häufigen Mustern eine wichtige Rolle bei der Suche nach hochwertigen Phrasen in umfangreichen Textdaten spielen kann. In Lektion 8 lernen wir verschiedene fortgeschrittene Themen zur Mustererkennung kennen, darunter die Suche nach häufigen Mustern in Datenströmen, die Mustererkennung für die Suche nach Softwarefehlern, die Mustererkennung für die Bildanalyse und die Mustererkennung und die Gesellschaft: Mustererkennung unter Wahrung der Privatsphäre. Abschließend werfen wir einen Blick in die Zukunft der Pattern Mining Forschung und der Erforschung von Anwendungen.