基于滑動窗口的數據流關聯規(guī)則挖掘算法研究.pdf

1、隨著數據庫技術在政府、企業(yè)以及其它社會組織的生產運營過程中的廣泛應用，越來越多種類的數據形式出現在了研究者的視野當中。而其中的流數據由于廣泛的出現在商務網絡交易、股市、傳感器網絡等諸多領域，因此引起了研究者的極大研究熱情。
　　與傳統(tǒng)的數據形式相比，數據流具有數據量大、實時性強、順序、數據多樣的特點，正是由于這些特點決定了數據流不適合于將全部的數據存儲在數據庫中，因此傳統(tǒng)的數據挖掘算法并不適宜數據流的挖掘。并且以往的數據挖掘算法都

2、是默認各數據項具有相同的重要性且各項目均勻分布，然而在實際的應用中，各項目的重要性是不盡相同并且是非均勻分布的。基于此，本文引入了多最小支持度和加權的思想。
　　為了研究的便利性，研究者通常會將連續(xù)的數據流進行分段，即為時間段，我們通常情況下會將這種時間段稱為數據窗口。在實際的研究過程當中，根據不同的分段方式，時間窗口又被我們分為滑動窗口模型、衰減窗口模型和界標窗口模型，本文采用的是應用較為普遍的滑動窗口模型。
　　關聯規(guī)則

3、挖掘的目的是為了找到所有的強關聯規(guī)則，即:超過最小支持度和最小置信度的所有規(guī)則。根據數據挖掘在實際應用中的情況，我們一般將關聯規(guī)則挖掘分為兩步:第一步，找出目標數據集中所有的頻繁模式;第二步，用這些頻繁項集產生符合條件的關聯規(guī)則。其中第二步是整個關聯規(guī)則挖掘過程的關鍵。
　　在現實應用中，若支持度設置的過小，則會引發(fā)組合爆炸，導致挖掘過程無法進行;如果支持度的值設置的過大，則得不到稀有項目的關聯規(guī)則。多最小支持度加權的方法就是針對