挖掘数据流滑动时间窗口内Top-K频繁模式.pdfVIP

小型微型计算机系统 2010年6月第6期 JournalofChinese Systems VoL31No．62010 Computer 挖掘数据流滑动时间窗口内Top-K频繁模式 陈 辉 (江西财经大学软件与通信工程学院，江西南昌330013) E—mail：chert—hui@126．COIll 摘要：由于数据流滑动时间窗口中流数据包含模式的支持度是动态变化的，很难给出一个合适的支持度门限来挖掘数据流 滑动时间窗口内的频繁模式．在研究数据流滑动时间窗口内流数据变化特点的基础上，论文提出了一种挖掘数据流滑动时间窗 口内Top-k频繁模式的方法，该方法能够在保证模式挖掘误差基础上快速删除窗口内不频繁模式信息，保留重要的模式信息， 并能按照支持度降序输出Top-k频繁模式．仿真实验结果表明，该算法具有较好的效率和正确性，并优于其它同类算法． 关键词：数据流；频繁模式；滑动时间窗口；Chemoff边界 中图分类号：TP311 文献标识码：A 文章编号：1000—1220(2010)06—1123-06 j11a the Pattems WindowoverDataStreams MiningTop．kFrequent Sliding CHENHui (SchooloySoftwareandCommunicationEngineering-]iangxiUniversityolFinanceandEconomics-Nanchang330013。China) tothe ofthe inthe windowofadatastreamale asstreamdataarrive isdif- Abstract：Due supportspatternssliding varying rapidly-it ficultto all thresholdwhen the inthe thecharacter- giveapproximatesupport miningfrequentpatternsslidingwindow．Aftclstudying of in isticsthestreamdatathe methodfor the fromthe windowis slidingwindow-a miningtop·kfrequentpatterns sliding proposed． Withtheerror themethodcall the the minethe guaranteedt efficientlypruneinfrequentpatterns，savesignificantpatterns，andtop-k in descendantorder．1rtleresultsofsimulationsshowthatthismethodisefficientand also frequentpatternsfrequencies correct-and toother superior arIalogousalgorithms． words：data bound Key stream；frequentpatternmining；slidingwindow；chemoff 1引言 支持数降序的方式维护数据流上nit个重要的数据元素．随着 在数据流频繁模式挖掘应用中，由于流数据连续不断地 流数据到达，频繁出现的数据元素在数据表中的排