不確定性數(shù)據(jù)流頻繁項集挖掘算法研究.pdf

1、頻繁項集挖掘是數(shù)據(jù)挖掘領(lǐng)域的一項重要任務(wù)。隨著計算機技術(shù)的迅速發(fā)展，生活生產(chǎn)領(lǐng)域中很多實際應(yīng)用能夠持續(xù)、快速、實時地產(chǎn)生大量數(shù)據(jù)流。數(shù)據(jù)流的復(fù)雜性使得在其上進(jìn)行頻繁項集的挖掘頗具挑戰(zhàn)性。此外，很多數(shù)據(jù)流中的數(shù)據(jù)往往是不確定的，通常以概率的形式來表示其存在性。傳統(tǒng)的數(shù)據(jù)流頻繁項集挖掘算法通常假定數(shù)據(jù)是確定存在的。不確定性的引入使得傳統(tǒng)算法難以直接用于挖掘不確定性數(shù)據(jù)流上的頻繁項集，而且針對數(shù)據(jù)確定存在的情況而設(shè)計的概要數(shù)據(jù)結(jié)構(gòu)不再高效。因

2、此，研究和設(shè)計針對不確定性數(shù)據(jù)流的高效概要數(shù)據(jù)結(jié)構(gòu)和頻繁項集挖掘算法變得日趨重要。
　　本文對不確定性數(shù)據(jù)流環(huán)境下頻繁項集挖掘問題進(jìn)行了詳細(xì)介紹，重點分析了目前該領(lǐng)域重要算法的優(yōu)缺點，并且提出了一種基于滑動窗口模型的false-positive算法UFIM。算法通過引入最大可能誤差來盡量縮小估計期望支持度同真實期望支持度之間的差距從而提高算法挖掘的準(zhǔn)確性。此外，針對頻繁項集挖掘算法難以預(yù)先設(shè)置合適的最小支持度閾值的問題，在UFIM

3、算法的基礎(chǔ)上，本文還提出了一種基于滑動窗口模型的Top-K頻繁項集挖掘算法UFIMTopK。
　　本文的主要工作包括:
　　1、對不確定性數(shù)據(jù)的產(chǎn)生原因、表現(xiàn)形式以及處理模型進(jìn)行了詳細(xì)介紹，列舉了目前針對不確定性數(shù)據(jù)流進(jìn)行頻繁項集挖掘以及Top-K頻繁項集挖掘的重要算法，并且分析和討論了這些算法的優(yōu)缺點;
　　2、針對不確定性數(shù)據(jù)流頻繁項集挖掘算法SRUF-mine存在的挖掘準(zhǔn)確性低的缺陷，提出了一種基于滑動窗口模型的

4、false-positive算法UFIM，詳細(xì)介紹了算法所用的概要數(shù)據(jù)結(jié)構(gòu)以及算法主要思想，并且從運行時間、內(nèi)存空間消耗和挖掘準(zhǔn)確性三個方面對兩個算法進(jìn)行實驗對比。實驗結(jié)果表明，同SRUF-mine相比，UFIM算法能獲得較高的挖掘準(zhǔn)確率。
　　3、針對最小支持度閾值難以預(yù)先合理設(shè)置的問題，結(jié)合UFIM算法，提出了一種基于滑動窗口模型的Top-K頻繁項集挖掘算法UFIMTopK，介紹了算法使用的概要數(shù)據(jù)結(jié)構(gòu)以及算法主要思想，并且對