數(shù)據(jù)流的頻繁模式挖掘算法研究.pdf

1、隨著信息技術(shù)的發(fā)展，海量數(shù)據(jù)庫迅速增加，對其有效的分析處理技術(shù)的缺乏逐漸顯現(xiàn)。在此需求的推動下，數(shù)據(jù)庫中知識發(fā)現(xiàn)(Knowledge Discovery in Databases，KDD)技術(shù)應(yīng)運而生。而數(shù)據(jù)挖掘(Data Mining，DM)是KDD 中的重要過程，在該過程中系統(tǒng)采用智能算法從數(shù)據(jù)中提取有益的數(shù)據(jù)模式。其中頻繁模式(Frequent Pattern)挖掘是DM中重要的研究問題。近年來，大量數(shù)據(jù)以數(shù)據(jù)流(Data Str

2、eams)的形式產(chǎn)生，如網(wǎng)絡(luò)數(shù)據(jù)、交易數(shù)據(jù)等。區(qū)別于傳統(tǒng)的靜態(tài)數(shù)據(jù)，數(shù)據(jù)流具有連續(xù)性、無序性、無界性及實時性的特點，這對挖掘數(shù)據(jù)流中的知識帶來了新的研究挑戰(zhàn)。挖掘數(shù)據(jù)流中的頻繁模式已成為當(dāng)前數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點。
　　 本文主要針對數(shù)據(jù)流挖掘中的重要問題之一—數(shù)據(jù)流頻繁模式挖掘展開研究，主要內(nèi)容如下：
　　 首先，對數(shù)據(jù)流挖掘技術(shù)及其特點進行了介紹，然后對數(shù)據(jù)流頻繁模式挖掘的基本概念及其關(guān)鍵問題進行了介紹，最后對數(shù)

3、據(jù)流頻繁模式挖掘的幾個典型算法進行了研究。
　　 其次，提出了基于界標窗口的數(shù)據(jù)流頻繁模式挖掘算法—Prefix-stream 算法，該算法利用提出的數(shù)據(jù)結(jié)構(gòu)P-tree 同時對整個數(shù)據(jù)流的頻繁模式進行挖掘、保存和更新。此外，該方法還應(yīng)用對數(shù)傾斜時間窗口達到逐步降低歷史事務(wù)的權(quán)重，從而區(qū)分最近事務(wù)與歷史事務(wù)。實驗結(jié)果表明，該算法的性能優(yōu)于同類FP-stream 算法。
　　 最后，提出了基于滑動窗口的數(shù)據(jù)流頻繁模式挖掘算