在線挖掘數(shù)據(jù)流閉合頻繁項(xiàng)集算法的研究.pdf

1、近年來(lái)，隨著計(jì)算機(jī)存儲(chǔ)和網(wǎng)絡(luò)通信技術(shù)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(gè)領(lǐng)域，比如大型商場(chǎng)的售貨記錄，環(huán)境溫度的檢測(cè)數(shù)據(jù)，交易所的股票價(jià)格信息等。人們需要對(duì)海量的動(dòng)態(tài)數(shù)據(jù)進(jìn)行實(shí)時(shí)連續(xù)的收集與分析，進(jìn)而挖掘數(shù)據(jù)流上的頻繁模式得到越來(lái)越多的關(guān)注。與傳統(tǒng)靜態(tài)數(shù)據(jù)庫(kù)相比，數(shù)據(jù)流具有持續(xù)不斷、高速運(yùn)行、無(wú)限到達(dá)的特點(diǎn)。數(shù)據(jù)流中的數(shù)據(jù)隨時(shí)間的推移不斷更新，而用戶通常只關(guān)注近期有價(jià)值的模式。
　　 本文研究的是數(shù)據(jù)流頻繁項(xiàng)集挖掘的一個(gè)

2、主要方面：數(shù)據(jù)流閉合頻繁項(xiàng)集挖掘。它是針對(duì)數(shù)據(jù)流頻繁項(xiàng)集挖掘中得到大量冗余的頻繁項(xiàng)集，造成內(nèi)存過(guò)多的消耗和挖掘速度的極大下降而提出的。閉合頻繁項(xiàng)集包括了挖掘出的所有頻繁項(xiàng)集的完全集，從而避免了冗余頻繁項(xiàng)集的產(chǎn)生，可以大大節(jié)省存儲(chǔ)空間，提高挖掘效率，但是又不會(huì)丟失任何有用信息。
　　 數(shù)據(jù)流快速無(wú)限的特點(diǎn)及其應(yīng)用領(lǐng)域的不斷擴(kuò)增，使數(shù)據(jù)流的在線挖掘技術(shù)越來(lái)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(dòng)窗口技術(shù)和CFI-Stream算法只維持閉合項(xiàng)集信息的方法，但與之不同的是，CMNL-SW算法不需產(chǎn)生事務(wù)的子集，也不需搜索每個(gè)子集的超集。算法使用數(shù)據(jù)結(jié)構(gòu)Closed Map存儲(chǔ)挖掘到的閉合項(xiàng)集和Num List存儲(chǔ)所有不同項(xiàng)的序號(hào)，通過(guò)對(duì)添加新事務(wù)和刪除舊事務(wù)包含的項(xiàng)序號(hào)進(jìn)行簡(jiǎn)單的并集和該事務(wù)與之相關(guān)已經(jīng)挖掘到的閉合項(xiàng)集進(jìn)行交集運(yùn)算來(lái)更新當(dāng)前滑動(dòng)窗口，使