版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、當(dāng)今的信息社會的中,人們每天都要處理各種各樣的信息和數(shù)據(jù)。隨著信息的爆炸式增長,許多應(yīng)用中需要處理的數(shù)據(jù)規(guī)模也越來越大,這些數(shù)據(jù)以快速的、大量的、按時間順序連續(xù)到達(dá),這種數(shù)據(jù)模式就是數(shù)據(jù)流。由于數(shù)據(jù)流的流動性和無限性的特點,原有頻繁項集挖掘算法已很難完成基于數(shù)據(jù)流上的挖掘任務(wù)。這些挑戰(zhàn)吸引了許多人對數(shù)據(jù)流中頻繁項集挖掘進(jìn)行了大量研究。現(xiàn)在,數(shù)據(jù)流中頻繁項集挖掘已成為數(shù)據(jù)挖掘中的熱點之一。
FP-stream算法可以實現(xiàn)在線
2、挖掘多時間粒度的頻繁項集。作為一個經(jīng)典的挖掘算法,F(xiàn)P-stream算法具有較好的時間效率。但它的不足之處在于:算法使用FP-growth算法來生成頻繁項集和計算支持?jǐn)?shù),需要很大的內(nèi)存開銷和時間開銷;整個挖掘過程中,所有的歷史信息數(shù)據(jù)都存于內(nèi)存中,隨著時間的推移內(nèi)存空間將急劇的膨脹。所以,內(nèi)存開銷巨大是FP-stream算法最大的缺點。
針對上述問題,本文將在原算法的基礎(chǔ)之上,采用一種新的數(shù)據(jù)結(jié)構(gòu)(LR-Trie樹及樹結(jié)點
3、)來存儲頻繁項集及其對應(yīng)的傾斜時間窗口。同時引入了垂直的二進(jìn)制向量表示法存儲事務(wù)數(shù)據(jù)以提高時空效率。由于構(gòu)造了新的樹結(jié)點結(jié)構(gòu),可以方便地完成LR-Trie樹的線性存儲和結(jié)點查詢。另外將LR-Trie樹分割為若干子樹并以文件的形式存儲,在內(nèi)存中建立項和文件的索引表,按需調(diào)入文件,極大地減少了內(nèi)存消耗。實驗表明,改進(jìn)后的算法在不明顯降低原算法時間效率的前提下,提高了內(nèi)存空間利用率。該算法適用于對時間要求不高,但對內(nèi)存空間要求較高的應(yīng)用。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于時間窗口的數(shù)據(jù)流頻繁項挖掘算法.pdf
- 基于矩陣的數(shù)據(jù)流滑動窗口頻繁項集挖掘算法研究.pdf
- 基于滑動窗口的數(shù)據(jù)流頻繁項集挖掘算法優(yōu)化研究.pdf
- 數(shù)據(jù)流上基于新窗口模式的頻繁項集挖掘算法研究.pdf
- 基于矩陣的頻繁項集挖掘算法研究.pdf
- 最大頻繁項集和頻繁基項集挖掘算法研究.pdf
- 滑動窗口中數(shù)據(jù)流頻繁項集挖掘算法研究.pdf
- 基于待與項集的頻繁項集挖掘算法的研究.pdf
- 頻繁閉項集挖掘算法研究.pdf
- 基于頻繁模式樹的最大頻繁項集挖掘算法研究.pdf
- 基于抽樣的云頻繁項集挖掘算法研究.pdf
- 基于格的快速頻繁項集挖掘算法
- 最大頻繁項集挖掘算法的研究.pdf
- 基于MapReduce框架的頻繁項集挖掘算法研究.pdf
- 基于垂直格式的頻繁項集挖掘算法研究.pdf
- 快速頻繁項集挖掘算法研究.pdf
- 基于FP-Tree的頻繁項集挖掘算法研究.pdf
- 基于頻繁項集的互補替代關(guān)系挖掘算法.pdf
- 基于ZBDD結(jié)構(gòu)的頻繁閉合項集挖掘算法研究.pdf
- 基于數(shù)據(jù)流的頻繁項集挖掘算法研究.pdf
評論
0/150
提交評論