数据流频繁模式挖掘的研究进展.pdfVIP

第32卷 第4期 自 动 化 学 报 Vol.32,No.4 2006年 7月 ACTA AUTOMATICA SINICA July,2006 数据流频繁模式挖掘研究进展’‘ 潘云鹤 王金龙 徐从富 (浙江大学人工智能研究所 杭州 310027) (E-mail:xucongfu() 摘 要 现实世界和工程实践产生了大量的数据流，这种数据不同于传统的静态数据，对其 进行有效处理和挖掘遇到了极大的挑战.如何使用有限存储空间进行快速和近似的频繁模式 挖掘是数据流挖掘的基本问题，具有非常重要的研究价值和实践意义，已经引起了国内外研 究者的广泛关注.本文深入分析数据流中的频繁模式挖掘，对其特点和算法进行较为全面的 总结和分类论述，并讨论了存在的主要间题和未来的研究方向. 关键词 数据挖掘，数据流，频繁模式，近似算法 中图分类号 TP311 State-of-the-artonFrequentPatternMfining in DataStreams PANYun-He WANGJin-Long XUCong-Ful (InstituteofArtificialIntelligence,ZhejiangUniversity, 310027) (E-mail:xucongfu@) Abstract Real-worldapplicationsoftengeneratehugeamountofdatastreams,whichchal- lengesefficientprocessingandminingduetoitsspecialcharacteristics.Asafundamental problemindatastreammining,frequentpatternminingtechniquesemployedintheseap- plicationsshouldbeefficientintermsofspaceusageandexecutiontimewhileprovidinga highqualityofyields.Thishasreceivedconsiderableattentioninthepastfewyearsdue toitsresearchvalueandincreasingamountofimportanceinnumerousapplications.The purposeofthispaperistoreviewtherecentworkinfrequentpatternminingunderdata stream environments,andsummarizeitscharacteristicsandalgorithmsingeneral.With taxonomy,wedissertatetheexistingalgorithmsfromprobabilisticanddeterministicbounds onerror,respectively.Throughoutthedetailedreview,somecomparisonsandevaluations areperformed.Finally,futuredirectionsindatastreamminingresearcharediscussed. Keywords Datamining,datastreams,frequentpattern,approximatealgorithm 1 引言 近年来，数据流(Datastreams)已成为国内外研究热点.简单地说，它是一种由实时、 连续、有序的数据组成的序列.这种数据广泛存在于现实世界中，例如，Web服务器的日 志记录、传感器网络监控、网络通讯监察、股票交易、天气或环境监测等都生成了大量的 数据流.与传统的静态数据不同，数据流具有连续快速、短暂易逝和不可预测的特点，，‘”，