數(shù)據(jù)流上的變化的挖掘算法研究.pdf

1、有關(guān)數(shù)據(jù)流上的變化的挖掘算法研究是近期數(shù)據(jù)流研究領(lǐng)域的核心內(nèi)容之一。 該文挖掘算法研究的第一部分：已有的研究工作大多數(shù)是針對模式、分類等的變化進(jìn)行探索，其方法以及得到的結(jié)果的概念層次都比較高。該文提出了一種在相對較低的概念層次上挖掘“變化”的方法，對連續(xù)到達(dá)的數(shù)據(jù)流進(jìn)行水庫抽樣以構(gòu)建當(dāng)前窗口，并利用基于熵的方法對當(dāng)前窗口中元組的屬性進(jìn)行歸約，參照窗口中的元組由用戶或?qū)＜抑付ê透拢缓罄贸菂^(qū)距離分別計算當(dāng)前窗口中每個元組與參照

2、窗口中特定元組之間的相異度，并根據(jù)獲得的結(jié)果描述變化，最后，利用多個區(qū)間監(jiān)測“變化”的變化趨勢。經(jīng)分析知該方法具有靈敏性和實(shí)時性，且挖掘的結(jié)果以及變化的趨勢的描述形式比較簡明。 該文挖掘算法研究的的第二部分：提出了NBCC算法，首先利用精確抽樣方法構(gòu)建數(shù)據(jù)流的概要數(shù)據(jù)結(jié)構(gòu)，然后借鑒經(jīng)典樸素貝葉斯分類方法的思想，將數(shù)據(jù)流訓(xùn)練樣本集分成Ci類，i=1,2,...,m，對數(shù)據(jù)流測試樣本集設(shè)定一個閾值α，當(dāng)P(X|Ci)*P(Ci)＜α

3、時，即當(dāng)測試樣本X屬于任何已知類別Ci的概率都小于設(shè)定的α?xí)r，表明數(shù)據(jù)流上有變化發(fā)生，且保留該變化，記為新類Cm+1。重復(fù)使用該方法挖掘數(shù)據(jù)流上的變化。 該文挖掘算法研究的的第三部分：研究的重點(diǎn)是基于頻繁項集的支持度和關(guān)聯(lián)規(guī)則的新穎度連續(xù)挖掘數(shù)據(jù)流上的變化。主要貢獻(xiàn)是：(1)在利用抽樣技術(shù)所獲得的以元組為單位的數(shù)據(jù)流上進(jìn)行概要數(shù)據(jù)結(jié)構(gòu)的構(gòu)建，該方法可以進(jìn)一步減小問題的求解規(guī)模；(2)通過計算和比較數(shù)據(jù)流上的當(dāng)前窗口與參照窗口中頻