數(shù)據(jù)流的最大頻繁模式挖掘研究.pdf

1、關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領域中一個重要研究方向，頻繁模式挖掘是關聯(lián)規(guī)則、時序模式挖掘等應用中的關鍵技術和步驟，而數(shù)據(jù)流頻繁模式挖掘又是當前頻繁模式挖掘的一個熱點問題。然而，由于挖掘頻繁模式內(nèi)在的計算復雜性，為了提高挖掘效率，業(yè)界提出了最大頻繁模式挖掘問題。最大頻繁模式隱含了所有的頻繁模式，同時，在規(guī)模上，最大頻繁模式小于頻繁模式，并且在某些數(shù)據(jù)挖掘應用中僅需挖掘出最大頻繁模式。
　　 在現(xiàn)實情況下，由于一些數(shù)據(jù)流的流動速度是非恒定

2、的，因此如何達到對非恒定流速的數(shù)據(jù)流進行挖掘是一個值得研究的問題；再有，使挖掘結果更好的體現(xiàn)新事務，而降低早到達的舊事務對整個挖掘結果的影響也是業(yè)界關心的一個熱點問題。因此，對這些問題進行研究具有重要意義。本文主要研究了數(shù)據(jù)流挖掘中的相關問題，主要包括以下內(nèi)容：
　　 (1)提出了一個基于數(shù)據(jù)流的最大頻繁模式挖掘算法BFPM-Stream。該算法采用事務和時間相結合的滑動窗口方法來解決數(shù)據(jù)流的流速不確定性問題，同時利用位對象數(shù)據(jù)

3、表示方法和位頻繁模式樹BFP-Tree 等對數(shù)據(jù)進行存儲和處理。實驗結果驗證了BFPM-Stream 算法的有效性。
　　 (2)提出了一個基于事務衰減的數(shù)據(jù)流最大頻繁模式挖掘算法BFPMW-Stream。該算法采用事務滑動窗口，并利用位對象數(shù)據(jù)表示方法、位頻繁模式樹BFP-Tree和存儲模式樹P-Tree 等對數(shù)據(jù)進行存儲和處理，從而針對數(shù)據(jù)流中的新舊事務的不同作用挖掘出最大頻繁模式。實驗結果驗證了BFPMW-Stream 算