RFID路徑數(shù)據(jù)聚類分析與頻繁模式挖掘.pdf

1、RFID(RadioFrequencyIdentification)無線射頻識別，是一種非接觸自動識別和數(shù)據(jù)獲取技術(shù)，目前，已經(jīng)廣泛應用于智能超市、供應鏈、圖書管理、車輛管理等領(lǐng)域。RFID應用系統(tǒng)中會產(chǎn)生海量數(shù)據(jù)，而RFID路徑數(shù)據(jù)是指貼有RFID標簽的物體在移動的過程中產(chǎn)生的數(shù)據(jù)，從這些海量路徑數(shù)據(jù)中挖掘出有價值的信息，對用戶了解物品的移動規(guī)律和趨勢，輔助相關(guān)業(yè)務安排與調(diào)整，發(fā)現(xiàn)異常移動等應用方面顯得非常重要。在現(xiàn)有研究RFID數(shù)據(jù)

2、挖掘方法的基礎(chǔ)上，本文主要對RIFD路徑相似性度量、RFID路徑數(shù)據(jù)聚類、RFID頻繁路徑挖掘等方面做了深入的研究。
　　針對RFID智能超市中的路徑數(shù)據(jù)進行研究，實現(xiàn)了智能超市中RFID路徑數(shù)據(jù)的獲取，以路徑的EPC作為鍵值按照時間相關(guān)性來整合路徑信息，將整理后的路徑數(shù)據(jù)分別從地點和時間維度上進行壓縮，從而節(jié)省了存儲空間。
　　在RFID路徑聚類方面，路徑相似性計算是聚類算法的基礎(chǔ)，本文利用位圖技術(shù)，分別從RFID路徑的地

3、點和時間屬性兩方面計算其路徑相似度。根據(jù)RFID路徑數(shù)據(jù)具有數(shù)據(jù)流的特性，提出基于多粒度的時間滑窗聚類算法MTSWClustering(Multi-granularit-yTimeSlidingWindowClustering)。此算法采用時間滑動窗口模型，按照時間粒度的不同將算法分為在線層和離線層。在線層算法按照RFID路徑事件類型進行微聚類，離線層對在線層的聚類結(jié)果按照其相似度進行宏聚類。
　　在RFID頻繁路徑挖掘方面，提出

4、一種RFID路徑數(shù)據(jù)流滑動窗口的top-k閉路徑挖掘算法TCFP-TreeMining(Top-kClosedFrequentPathMining)算法，設計了TCFP-Tree來存儲滑動窗口中的概要數(shù)據(jù)及發(fā)現(xiàn)的候選閉路徑。算法采用深度優(yōu)先搜索的方式進行閉路徑模式挖掘，在挖掘的過程中，采用項集合并和前綴模式跳過等技術(shù)來提高挖掘效率，動態(tài)的調(diào)整挖掘閾值和剪枝閾值，結(jié)合哈希結(jié)構(gòu)進行閉合路徑的判別，有效地實現(xiàn)了滑動窗口top-k閉路徑挖掘。<