小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2009年
12期
2404-2408
,共5页
数据流%频繁模式挖掘%滑动窗口%保守计算
數據流%頻繁模式挖掘%滑動窗口%保守計算
수거류%빈번모식알굴%활동창구%보수계산
data stream%mining frequent pattern%sliding window%conservative computation
由于流数据的流动性与连续性,传统的频繁模式挖掘算法不能直接应用于数据流频繁模式挖掘.挖掘数据流上最近的频繁模式算法使用模式树RFP-tree增量维护数据流上最近的频繁模式,且仅需单次扫描流数据;另外,保守计算策略保证模式挖掘的正确性.仿真试验结果显示,该算法的效率优于其它同类算法.
由于流數據的流動性與連續性,傳統的頻繁模式挖掘算法不能直接應用于數據流頻繁模式挖掘.挖掘數據流上最近的頻繁模式算法使用模式樹RFP-tree增量維護數據流上最近的頻繁模式,且僅需單次掃描流數據;另外,保守計算策略保證模式挖掘的正確性.倣真試驗結果顯示,該算法的效率優于其它同類算法.
유우류수거적류동성여련속성,전통적빈번모식알굴산법불능직접응용우수거류빈번모식알굴.알굴수거류상최근적빈번모식산법사용모식수RFP-tree증량유호수거류상최근적빈번모식,차부수단차소묘류수거;령외,보수계산책략보증모식알굴적정학성.방진시험결과현시,해산법적효솔우우기타동류산법.
Because of the fluidity and continuity of the stream data, the mining algorithms over static databases can not be directly applied to data streams. The algorithm for mining the recent frequent patterns over an online data stream uses RFP-tree to compactly store the recent frequent patterns of a stream by scanning the stream only once. Additionally, the strategy of conservative computation could make sure the correctness of the mining results. Finally, the performance results of simulation show that the algorithm is superior to other analogous algorithms.