数据流中de频繁项集挖掘.pdfVIP

信 息技术 2011年第6期 ≥ — — 中图分类号：TP301．6 文献标识码：A 文章编号：1009—2552(2011)06—0130—03 数据流中的频繁项集挖掘 苏 勇，郑昭华，范玉玲 (江苏科技大学计算机科学与工程学院，镇江212003) 摘 要：频繁模式挖掘是数据挖掘的精髓，并且在上个世纪被广泛研究。概述了数据流频繁模式 挖掘的技术发展水平和发展背景。然后给出一些概念定义，就 目前经典的数据流频繁模式算法作 了分析，并在此基础上总结了前人的方法理论，采用混合的方法，扩展了新的算法——FLY。最 后，总结分析新的算法，并与前人算法在内存消耗和准确性方面进行了比较。 关键词：数据流；频繁项；数据挖掘；固定事务长度 M iningfrequentiterm setsin thedatastreams SU Yong．ZHENGZhaohua．FANYu—ling (Sdiool0fCollllll~rScienceandTedmoiogy，JiangmUniversityofScienceandTechnology，Zh~iang212~3，China) Abstract：Frequentitemsetsminingisacore dataminingoperation andhasbeen extensivelystudied overthelastdecade．In htearticle，itoverviewsthe techniquestomine~equentpatternsoverdata streams．Thenitgivessomeimportantdefinition，naalysessometypicalalgorihtmsoverdatastreams． Basedonhtis，itsummarisesthemeaningsandhteoriesfrom peoplebefore，andhtenitextendsanew algorithm-FLY ．Afterthat．itanalyseshteefficientandaccuracyofhtenew algorihtm． Keywords：datastreams；rfequentitem；daat mining；lengthfixedtransaction 0 引言 {0，0：，…，0．D．}。设 P为在D中出现的所有可能 频繁模式挖掘是数据挖掘的精髓，并且在上个 的(兴趣的)模式集合，g为计数函数g：P×D一Ⅳ，0 世纪被广泛研究。近年来，挖掘数据流上的频繁模 是对象的集合，Ⅳ是非预设的整数集。假设参数 式引起了大量研究者兴趣 。与其它的流问题 比较， P∈P，且0∈0，g(P，oj)返回P在0中出现的次数。模 频繁模式挖掘的高内存容量，高计算开销，对挖掘结 式pEP在D中的支持度定义为：supp(p)=∑；。 果的精确性需求，使其具有巨大的挑战。 ，(g(p，))。 频繁模式挖掘就是从不同类型的数据集中发现 数据流：在一个数据流中，事务连续到达 ，它的 频繁出现的模式。数据集包括无结构化数据 (如事 长度可能是无限的。一般地，一个数据流D可以定 务和文本数据)，半结构化数据 (如XML数据)，结 义为一个事务序列 ，D=(tl，t2，…，ti，…)，其 中ti 构化数据(如图像数据)。模式可以是项集，序列， 是第 i个到达的事务。为了处理和挖掘数据流，经 树，图等，主要决定于挖掘任务和目标数据集。频繁 常用到不同的窗口模型。窗口是第 i个和第_『个到 模式不仅可