

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著移動(dòng)終端、傳感器、互聯(lián)網(wǎng)等技術(shù)的飛速發(fā)展,流數(shù)據(jù)作為一種典型的大數(shù)據(jù)已經(jīng)在許多領(lǐng)域廣泛出現(xiàn)。當(dāng)前,流數(shù)據(jù)包含時(shí)空數(shù)據(jù)、傳感數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)等多種類型數(shù)據(jù),數(shù)據(jù)本身蘊(yùn)含巨大的價(jià)值,這使得流數(shù)據(jù)挖掘具有重要的學(xué)術(shù)價(jià)值和應(yīng)用價(jià)值。與靜態(tài)數(shù)據(jù)相比,流數(shù)據(jù)有其自身特點(diǎn):原始數(shù)據(jù)量巨大、數(shù)據(jù)到達(dá)速度快、數(shù)據(jù)處理對(duì)時(shí)效性要求高、數(shù)據(jù)難以重復(fù)獲取。由于流數(shù)據(jù)自身的特點(diǎn),一些已有的數(shù)據(jù)挖掘技術(shù)很難直接用來(lái)解決流數(shù)據(jù)挖掘問(wèn)題,因此研究流數(shù)據(jù)挖掘相關(guān)問(wèn)
2、題具有重要意義。
本文針對(duì)海量流數(shù)據(jù)挖掘領(lǐng)域的相關(guān)問(wèn)題進(jìn)行了研究。第一個(gè)問(wèn)題是多數(shù)據(jù)流的頻繁伴隨模式發(fā)現(xiàn)問(wèn)題。頻繁伴隨模式(Frequent Co-occurrence Pattern)是指一組對(duì)象較短時(shí)間內(nèi)在同一個(gè)數(shù)據(jù)流里伴隨出現(xiàn),并且在之后指定的一段時(shí)間內(nèi)以同樣的方式出現(xiàn)在多個(gè)數(shù)據(jù)流上。本文的目標(biāo)是實(shí)時(shí)發(fā)現(xiàn)多個(gè)數(shù)據(jù)流里出現(xiàn)的所有頻繁伴隨模式。在實(shí)際應(yīng)用中,城市交通管控系統(tǒng)的伴隨車輛發(fā)現(xiàn)、電子商務(wù)中的熱銷商品組合挖掘、基于簽
3、到數(shù)據(jù)的伴隨人群發(fā)現(xiàn)以及社交網(wǎng)絡(luò)數(shù)據(jù)中基于高頻伴隨詞組的熱點(diǎn)事件發(fā)現(xiàn)等應(yīng)用都可以抽象為多數(shù)據(jù)流的頻繁伴隨模式發(fā)現(xiàn)問(wèn)題。為解決這一問(wèn)題,本文提出了基于segment片段的流數(shù)據(jù)劃分策略,并設(shè)計(jì)了DIMine和CooMine兩種挖掘方法。這兩種算法首先對(duì)有效的segment片段建立索引,然后基于segment索引結(jié)構(gòu)設(shè)計(jì)剪枝策略,通過(guò)不斷削減挖掘范圍以達(dá)到快速發(fā)現(xiàn)頻繁伴隨模式的目的。
DIMine和CooMine挖掘算法在挖掘效率
4、、內(nèi)存消耗和索引維護(hù)代價(jià)取得了很好的效果。但它們是適合單機(jī)運(yùn)行的集中式算法,難以直接部署到分布式環(huán)境中應(yīng)對(duì)規(guī)模巨大的流數(shù)據(jù)。為了能夠在大規(guī)模流數(shù)據(jù)中發(fā)現(xiàn)頻繁伴隨模式,本文設(shè)計(jì)了多數(shù)據(jù)流頻繁伴隨模式的分布式挖掘方法。該方法首先產(chǎn)生所有數(shù)據(jù)流中可能形成頻繁伴隨模式的候選模式,然后通過(guò)哈希方法將不同數(shù)據(jù)流的相同候選模式發(fā)送至至同一個(gè)計(jì)算單元,繼而判定該候選模式是否為頻繁伴隨模式。由于每個(gè)候選模式是獨(dú)立的,不同的候選模式可以由多個(gè)計(jì)算單元同時(shí)處
5、理,因此該方法能夠利用分布式服務(wù)器集群進(jìn)行并行計(jì)算,從而具備良好的可擴(kuò)展性。
本文研究的第三個(gè)問(wèn)題是分布式時(shí)空數(shù)據(jù)的k近鄰搜索問(wèn)題。時(shí)空數(shù)據(jù)是一種典型的流數(shù)據(jù),k近鄰搜索是許多數(shù)據(jù)挖掘問(wèn)題的基本操作。給定一個(gè)時(shí)空數(shù)據(jù)集和任意一個(gè)查詢點(diǎn),k近鄰搜索要求實(shí)時(shí)地得到該時(shí)空數(shù)據(jù)集中與該查詢點(diǎn)距離最近的k個(gè)對(duì)象。已有的時(shí)空數(shù)據(jù)k近鄰搜索算法通常假設(shè)時(shí)空數(shù)據(jù)集規(guī)模有限且查詢數(shù)量較少,其研究重點(diǎn)是面向單個(gè)計(jì)算節(jié)點(diǎn)的k近鄰集中式查詢算法,很難
6、將它們應(yīng)用到分布式環(huán)境下以處理大規(guī)模時(shí)空數(shù)據(jù)和高并發(fā)k近鄰搜索。為此,本文提出了面向海量時(shí)空數(shù)據(jù)的分布式k近鄰搜索算法。該算法首先設(shè)計(jì)了分布式動(dòng)態(tài)條狀索引結(jié)構(gòu)(DynamicStrip Index,DSI),與已有的網(wǎng)格索引相比,DSI索引結(jié)構(gòu)能夠適應(yīng)不同的數(shù)據(jù)分布。此外,DSI索引結(jié)構(gòu)更容易分布式部署到多個(gè)計(jì)算節(jié)點(diǎn)之上?;谠撍饕?,我們?cè)O(shè)計(jì)了DKNN查詢算法。該算法能夠?qū)NN查詢的迭代次數(shù)減少至兩次,與已有的算法相比,DKNN算法的
7、性能更加高效且可以預(yù)測(cè)。隨后,我們將DSI索引結(jié)構(gòu)和DKNN查詢算法在開源的流數(shù)據(jù)處理平臺(tái)S4上進(jìn)行了實(shí)現(xiàn),通過(guò)大量實(shí)驗(yàn)證明了算法良好的可擴(kuò)展性和優(yōu)異性能。
本文對(duì)流數(shù)據(jù)挖掘相關(guān)問(wèn)題進(jìn)行了深入研究,針對(duì)特定問(wèn)題,給出了針對(duì)性的解決方案。本文的創(chuàng)新點(diǎn)和貢獻(xiàn)如下:
(1)本文首次提出多數(shù)據(jù)流頻繁伴隨模式發(fā)現(xiàn)這一問(wèn)題,并給出了DIMine算法和CooMine算法兩種解決方案。
(2)本文提出了分布式的多數(shù)據(jù)流頻繁
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 海量流數(shù)據(jù)環(huán)境下的離群數(shù)據(jù)挖掘技術(shù)研究.pdf
- 制造物聯(lián)海量數(shù)據(jù)流模式挖掘算法研究.pdf
- 海量數(shù)據(jù)挖掘技術(shù)研究.pdf
- 基于Oozie工作流引擎的海量數(shù)據(jù)挖掘研究與應(yīng)用.pdf
- 基于MapReduce的海量點(diǎn)擊流信息挖掘研究.pdf
- 海量數(shù)據(jù)關(guān)鍵分類挖掘算法.pdf
- 海量數(shù)據(jù)并行挖掘技術(shù)研究.pdf
- 基于數(shù)據(jù)流的相關(guān)挖掘方法研究.pdf
- 海量動(dòng)態(tài)數(shù)據(jù)流分類方法研究.pdf
- 基于海量數(shù)據(jù)挖掘的分類算法研究.pdf
- 面向RFID海量數(shù)據(jù)的若干數(shù)據(jù)挖掘技術(shù)研究.pdf
- 數(shù)據(jù)挖掘在保險(xiǎn)海量數(shù)據(jù)中的研究與應(yīng)用.pdf
- 數(shù)據(jù)流挖掘若干問(wèn)題的研究.pdf
- 海量數(shù)據(jù)上基于抽樣的模式挖掘研究.pdf
- 面向海量數(shù)據(jù)的快速挖掘算法研究.pdf
- 基于Rough Set的海量數(shù)據(jù)挖掘算法研究.pdf
- 數(shù)據(jù)挖掘中規(guī)則提取相關(guān)問(wèn)題研究.pdf
- 海量醫(yī)療數(shù)據(jù)挖掘平臺(tái)的研究與設(shè)計(jì).pdf
- 基于粒計(jì)算的海量數(shù)據(jù)挖掘算法研究.pdf
- 數(shù)據(jù)流挖掘算法研究.pdf
評(píng)論
0/150
提交評(píng)論