基于數(shù)據(jù)流的頻繁項(xiàng)集挖掘算法研究.pdf

1、在計(jì)算機(jī)技術(shù)、信息存儲(chǔ)技術(shù)及互聯(lián)網(wǎng)高速發(fā)展的今天，越來越多的企業(yè)提高信息化程度。在企業(yè)的實(shí)際應(yīng)用中，數(shù)據(jù)挖掘正在被頻繁的提起，作為一個(gè)多學(xué)科交叉應(yīng)用領(lǐng)域的數(shù)據(jù)挖掘技術(shù)正在各行各業(yè)的決策活動(dòng)中扮演越來越重要的角色。
　　 數(shù)據(jù)挖掘(Data Mining，簡稱DM)又稱數(shù)據(jù)庫中知識發(fā)現(xiàn)(Knowledge Discoveryfrom Database)，它是在海量的數(shù)據(jù)中抽取出未知且有價(jià)值的模式的一個(gè)非平凡過程，它的最終結(jié)果便于理

2、解，是目前數(shù)據(jù)庫研究領(lǐng)域的熱點(diǎn)問題之一。
　　 本文主要介紹了基于數(shù)據(jù)流的頻繁項(xiàng)集挖掘的基本概念和相關(guān)知識，介紹了經(jīng)典頻繁項(xiàng)集挖掘算法并對其優(yōu)、缺點(diǎn)進(jìn)行分析，主要研究工作包括以下兩方面：
　　 第一、本文提出了一種基于WCF-tree加權(quán)滑動(dòng)窗口數(shù)據(jù)流元項(xiàng)集挖掘算法(TWEM算法)。首先，考慮到數(shù)據(jù)在不同時(shí)間窗口內(nèi)的重要性，允許用戶定義窗口個(gè)數(shù)和各窗口權(quán)值；其次，利用WCF-tree挖掘閉項(xiàng)集；最后，結(jié)合各等價(jià)類內(nèi)項(xiàng)集與

3、相應(yīng)元項(xiàng)集支持度不完全相同，保持一種可估算的關(guān)系的特性，挖掘元項(xiàng)集。實(shí)驗(yàn)結(jié)果表明，TWEM算法縮小了搜索空間，提高了程序的運(yùn)行效率。
　　 第二、本文提出基于矩陣的數(shù)據(jù)流頻繁模式預(yù)測算法(MFP算法)。MFP算法可預(yù)測在下一時(shí)間窗口中可能性較大的頻繁項(xiàng)集，以滿足用戶需要。該算法首先將數(shù)據(jù)轉(zhuǎn)換為0-1矩陣；然后通過矩陣剪裁和位運(yùn)算更新矩陣，并從中挖掘頻繁項(xiàng)集；最后，利用當(dāng)前窗口數(shù)據(jù)預(yù)測下一時(shí)間窗口中可能出現(xiàn)的頻繁項(xiàng)集。實(shí)驗(yàn)結(jié)果表明