面向数据流的频繁项集挖掘.pdfVIP

2015年 2月 洛阳师范学院学报 Feb．．2015 第 34卷 第 2期 Journ~ ofLuoyangNorm~ Universi~ Vo1．34 No．2 面 向数据流的频繁项集挖掘 陈凤娟 (辽宁对外经贸学院基础课教研部，辽宁大连 116052) 摘 要：随着计算机网络、气象监测和传感器网络等技术的不断发展 ，如何从数据流中挖掘出有用的信息成为 了一个重要的研究内容．本文主要介绍了数据流和其中的频繁项集的概念，分析 了数据流中的频繁项集挖掘 算法． 关键词：数据流；频繁项集；倾斜时间窗口；频繁模式树 中图分类号：TP274 文献标识码：A 文章编号：1009—4970(2015)02—0082—04 数据，例如，Web上的用户点击信息、遥感传输的 0 引言 图像信息、实时电话记录信息、金融证券的实时交 数据挖掘是一门交叉学科，广泛应用于信息管 易信息、各种网络控制交换数据信息，以及传感器 理、过程控制、科学研究和决策支持等领域，能根 网络检测数据等．这些数据具有实时性，是一种动 据用户的具体模式需求，从大量的数据中挖掘有用 态的数据 ，这里把这种数据称为数据流．数据流是 的信息．数据挖掘可对数据库中存储的大量信息进 一 种数据序列，具有连续性、高速性、数据量无限 行分类、聚类和关联规则挖掘等操作，能给各种决 性和数据内容随时问改变等特征 ． 策提供依据．但是随着网络技术、传感器技术和信 相对于用关系模型存储的静态数据集，数据流 息技术的发展，在各个应用领域中产生了大量的实 具有一些特殊的性质．首先 ，数据流巾的数据元素 时、连续、无限增长和有时间顺序的数据 (这些动 是按时间顺序排列，因此，系统在处理数据流的时 态的数据也被称为数据流)，仅仅对静态的数据进 候 ，是不能改变数据元素的顺序的；其次，数据流 行分析和处理已经无法满足应用的需求．已有的针 的数据是无限的，是不断更新 的；最后 ，数据流的 对静态数据集的数据挖掘算法对于数据流数据的挖 元素被处理后，不容易再次访问，即数据流在处理 掘无能为力，所以我们必须对原有算法进行改进 ． 时一般只能读取一次． 数据流在传感器网络、电信通话记录、气象监 对数据流进行研究主要从两个方面入手，分别 测与分析、股票分析、邮件过滤、网络监控与安全、 是数据流管理和数据流挖掘．数据流管理主要研究 Web 日志分析，以及大规模科学计算与数据分析等 数据流管理系统对数据流的管理和查询等功能；而 方面有重要的意义．数据流挖掘主要是通过分析数 数据流挖掘主要研究数据流的分析处理方法，特别 据流来寻找存在于数据流 中的关联规则、分类规 是对于数据流的在线处理分析，如数据流的分类、 则、聚类模式和异常模式等． 聚类、频繁项集挖掘以及可视化等．其中挖掘的算 本文主要研究数据流的频繁项集挖掘算法，首 法是核心，主要用在数据流聚类 、数据流分类、数 先介绍数据流与数据流挖掘中的基本概念，然后介 据流频繁模式挖掘、数据流时间序列和孤立点挖掘 绍频繁项集挖掘的基本概念，之后分析数据流的频 等方面． 繁项集挖掘算法的优缺点，最后提出改进算法． 按照数据流时序范围的不同，可以把数据流模