在線挖掘數(shù)據(jù)流閉合頻繁項集算法的研究.pdf

1、近年來，隨著計算機存儲和網(wǎng)絡通信技術的快速發(fā)展，數(shù)據(jù)流逐漸出現(xiàn)在日常生活中的各個領域，比如大型商場的售貨記錄，環(huán)境溫度的檢測數(shù)據(jù)，交易所的股票價格信息等。人們需要對海量的動態(tài)數(shù)據(jù)進行實時連續(xù)的收集與分析，進而挖掘數(shù)據(jù)流上的頻繁模式得到越來越多的關注。與傳統(tǒng)靜態(tài)數(shù)據(jù)庫相比，數(shù)據(jù)流具有持續(xù)不斷、高速運行、無限到達的特點。數(shù)據(jù)流中的數(shù)據(jù)隨時間的推移不斷更新，而用戶通常只關注近期有價值的模式。
　　 本文研究的是數(shù)據(jù)流頻繁項集挖掘的一個

2、主要方面：數(shù)據(jù)流閉合頻繁項集挖掘。它是針對數(shù)據(jù)流頻繁項集挖掘中得到大量冗余的頻繁項集，造成內(nèi)存過多的消耗和挖掘速度的極大下降而提出的。閉合頻繁項集包括了挖掘出的所有頻繁項集的完全集，從而避免了冗余頻繁項集的產(chǎn)生，可以大大節(jié)省存儲空間，提高挖掘效率，但是又不會丟失任何有用信息。
　　 數(shù)據(jù)流快速無限的特點及其應用領域的不斷擴增，使數(shù)據(jù)流的在線挖掘技術越來越具有挑戰(zhàn)性。提出了一種新的CMNL-SW挖掘算法(Closed Map an

3、d Num List-SlidingWindow)，它沿用Moment算法的滑動窗口技術和CFI-Stream算法只維持閉合項集信息的方法，但與之不同的是，CMNL-SW算法不需產(chǎn)生事務的子集，也不需搜索每個子集的超集。算法使用數(shù)據(jù)結構Closed Map存儲挖掘到的閉合項集和Num List存儲所有不同項的序號，通過對添加新事務和刪除舊事務包含的項序號進行簡單的并集和該事務與之相關已經(jīng)挖掘到的閉合項集進行交集運算來更新當前滑動窗口，使