海量客運數(shù)據(jù)中的頻繁旅行模式發(fā)現(xiàn)算法研究與實現(xiàn).pdf

1、隨著時代的進步，信息儲存的規(guī)模與日俱增。這樣，對積累的海量旅客旅行數(shù)據(jù)進行挖掘和分析，以期發(fā)現(xiàn)旅客旅行的某些行為習慣成為可能。而在數(shù)據(jù)挖掘領(lǐng)域，對旅行數(shù)據(jù)進行頻繁模式挖掘，正好能發(fā)現(xiàn)隱藏在數(shù)據(jù)之下的旅客旅行行為規(guī)律。由于最大頻繁項集具有的良好特性，本文著重在海量旅客旅行數(shù)據(jù)中進行最大頻繁項集發(fā)現(xiàn)算法研究和實現(xiàn)。論文的主要工作如下：
　　首先，本文對各種經(jīng)典頻繁模式發(fā)現(xiàn)算法諸如Apriori，F(xiàn)P-growth，F(xiàn)Pmax*等進行了

2、相關(guān)論述，舉例說明了算法的實現(xiàn)過程，研究了算法的流程，并討論了算法的優(yōu)越性和局限性。然后，本文分析了海量客運數(shù)據(jù)集的一些特點，發(fā)現(xiàn)海量旅行數(shù)據(jù)具有高度稀疏，項的基數(shù)巨大，較短項集較短模式，需要挖掘支持度計數(shù)很低時的頻繁模式等特點。針對其具有的特點，本文開展了一些創(chuàng)新性的工作如下：
　　第一，提出了一種適合于對旅客旅行記錄進行頻繁項集挖掘的復合項集結(jié)構(gòu)，復合結(jié)構(gòu)中各成員具有各自不同的粒度，等級和邏輯概念，但物理實現(xiàn)上同構(gòu)。還提出了一

3、種便于在社區(qū)層次上發(fā)現(xiàn)旅客群頻繁模式的頻繁模式定義。
　　第二，重點介紹了基于事務的數(shù)據(jù)劃分策略 TDP，提出和實現(xiàn)了基于事務數(shù)據(jù)劃分的頻繁模式發(fā)現(xiàn)算法 TDPFP，從理論上證明了 TDPFP算法具有的一些良好性質(zhì)：即應用TDPFP進行數(shù)據(jù)劃分，各子數(shù)據(jù)集的子結(jié)果集只需在直接合并后做少量的冗余檢測，無需做大量的超集和子集檢測比對工作。從對海量旅行數(shù)據(jù)進行的試驗和分析可以看出，TDPFP具有比較好的時空特性。
　　最后，對 T