关于数据流top-K频繁模式挖掘算法的研究.pdf

中文摘要 数据流是近年来产生的一种新型数据模型，广泛出现在多种应用领域，如Web 点击流分析、交通流量监控与管理、电力供应管理与预测、传感器网络数据分析、 电信数据管理、金融服务、商业交易管理和分析等。数据流模型不同于传统的数 据库模型，具有快速、实时、连续、无界等特点，由此决定了数据流的查询或挖 掘算法与基于传统的数据库的挖掘技术有显著的区别，其算法应是单遍扫描 (one．pass)的。由于存贮容量的有限性，不可能完整地保存全部数据流元素。一 种有效的方法是设计一个远小于原数据流规模的结构，保存已流过数据的概要特 征，用于数据流的查询处理及分析，因而挖掘结果通常是近似的。鉴于数据流的 高速性和连续性，数据流算法应是动态增量的，亦必须是高时空效率的。现有的 数据库挖掘技术已不再适合数据流环境。因此，流数据环境下的数据挖掘研究具 有更大的机遇和挑战性。 论文针对数据流挖掘分析处理中的几个基本问题进行了探讨和研究，主要内 容如下： 1．动态增量地挖掘数据流界标窗口的top-K频繁模式。挖掘top-K频繁模式 在现实生活中有重要应用，为此我们研究有效算法TOPSIL．Miner动态增量地挖掘 数据流界标窗口的top-K频繁模式。设计了存储流数据摘要信息的概要结构 数据结