基于粒度計(jì)算的動態(tài)挖掘技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和通信技術(shù)的迅速發(fā)展，傳統(tǒng)的動態(tài)數(shù)據(jù)挖掘方法很難適應(yīng)動態(tài)數(shù)據(jù)庫和實(shí)時數(shù)據(jù)庫的不斷更新，為了采取分而治之的思想來降低動態(tài)環(huán)境的復(fù)雜性，粒度計(jì)算方法被應(yīng)用到動態(tài)數(shù)據(jù)挖掘中，其通過改變信息粒度的大小來隱藏或揭示挖掘?qū)ο蟮募?xì)節(jié)，從而達(dá)到發(fā)現(xiàn)不同層次信息的目的。在動態(tài)數(shù)據(jù)挖掘環(huán)境下構(gòu)建基于粒度計(jì)算的數(shù)據(jù)挖掘模型，實(shí)現(xiàn)對動態(tài)數(shù)據(jù)的自適應(yīng)處理具有重要的研究意義。
　　論文針對數(shù)據(jù)流的頻繁模式挖掘問題，從研究滑動窗口的頻繁

2、閉項(xiàng)集挖掘入手，探討了基于粒度計(jì)算的數(shù)據(jù)流頻繁模式挖掘技術(shù)。
　　首先，構(gòu)建了復(fù)合粒度，為自適應(yīng)處理動態(tài)數(shù)據(jù)提供粒度計(jì)算的理論基礎(chǔ)；論文在構(gòu)建了信息窗口下的對象粒、屬性粒和結(jié)構(gòu)粒等復(fù)合粒度之后，提出了粒度計(jì)算和轉(zhuǎn)換的方法，從而實(shí)現(xiàn)不同問題空間的粒度轉(zhuǎn)換。
　　然后，提出了頻繁閉項(xiàng)集的生成方法；該方法通過混合進(jìn)制映射生成模糊頻繁閉項(xiàng)集的搜索空間，運(yùn)用對象粒度計(jì)算產(chǎn)生模糊頻繁閉項(xiàng)集，運(yùn)用屬性粒度計(jì)算發(fā)現(xiàn)頻繁閉項(xiàng)集。
　　接

3、著，建立了嵌入式粒度計(jì)算模型；該模型能夠根據(jù)不同數(shù)據(jù)特點(diǎn)自適應(yīng)的構(gòu)建不同層次的粒度，通過超級狀態(tài)?；勺訝顟B(tài)的方法來降低挖掘環(huán)境的復(fù)雜性，即一方面，運(yùn)用結(jié)構(gòu)粒與對象粒的轉(zhuǎn)換方法，實(shí)現(xiàn)用粒度計(jì)算思想來求解不同問題空間的模糊頻繁閉項(xiàng)集；另一方面，運(yùn)用對象粒向?qū)傩粤５霓D(zhuǎn)換方法求解問題空間的頻繁閉項(xiàng)集。
　　最后，論文研究了數(shù)據(jù)流上滑動窗口內(nèi)的首次數(shù)據(jù)讀入和數(shù)據(jù)更新技術(shù)，結(jié)合建立的嵌入式粒度計(jì)算模型，提出了基于嵌入式粒度計(jì)算的數(shù)據(jù)流頻繁模

4、式挖掘模型。該模型能夠在首次讀入數(shù)據(jù)階段和數(shù)據(jù)更新階段，運(yùn)用嵌入式粒度計(jì)算來實(shí)時挖掘頻繁閉項(xiàng)集。與典型的挖掘算法相比，實(shí)驗(yàn)證明該模型在不同特點(diǎn)的數(shù)據(jù)集上具有較好的挖掘效率，在動態(tài)挖掘過程中內(nèi)存占用相對穩(wěn)定，特別是在頻繁項(xiàng)集數(shù)目較多時，內(nèi)存占用比其它算法少。
　　為了拓展這個挖掘模型，論文在時間衰減的界標(biāo)窗口上，運(yùn)用基于嵌入式粒度計(jì)算的數(shù)據(jù)流頻繁模式挖掘模型來發(fā)現(xiàn)最大頻繁項(xiàng)集。實(shí)驗(yàn)證明該模型也具有較好的挖掘效率和空間利用率，從而也體