流數(shù)據(jù)頻繁模式挖掘算法研究.pdf

1、傳統(tǒng)數(shù)據(jù)挖掘的對(duì)象是傳統(tǒng)數(shù)據(jù)或靜態(tài)數(shù)據(jù),其來源于關(guān)系數(shù)據(jù)庫、數(shù)據(jù)倉庫和事務(wù)數(shù)據(jù)庫里面的數(shù)據(jù)?，F(xiàn)實(shí)世界和工程實(shí)踐中產(chǎn)生了大量的流數(shù)據(jù),這種數(shù)據(jù)不同于傳統(tǒng)的靜態(tài)數(shù)據(jù),是一種具有實(shí)時(shí)、快速和連續(xù)到達(dá)特點(diǎn)的動(dòng)態(tài)數(shù)據(jù)。由于流數(shù)據(jù)的上述特點(diǎn),對(duì)其進(jìn)行有效處理和挖掘遇到了極大的挑戰(zhàn),使得應(yīng)用于傳統(tǒng)數(shù)據(jù)挖掘的技術(shù)和方法不能很好的適應(yīng)流數(shù)據(jù)。如何使用有限的內(nèi)存空間和CPU的處理速度進(jìn)行快速和近似的頻繁模式挖掘是流數(shù)據(jù)挖掘的基本問題,具有非常重要的價(jià)值和實(shí)

2、踐意義。
　　近年來,在流數(shù)據(jù)中挖掘頻繁項(xiàng)集是一個(gè)非常新的研究課題。以往的解決方法,大多是在挖掘頻繁項(xiàng)集時(shí)使用一個(gè)固定的最小支持度。然而,在實(shí)際情況中,支持度閾值應(yīng)該隨用戶需求和流數(shù)據(jù)的特點(diǎn)而改變。本文提出了一種名為VSSDM(Variable Support for Steam Data Mining)的算法,用于在流數(shù)據(jù)中以可變支持度挖掘頻繁項(xiàng)集。本文使用概要向量結(jié)構(gòu)SYV(Synopsis Vector)高度壓縮并存儲(chǔ)歷史流