改进的层次K均值聚类算法.pdfVIP

Computer Engineering and Applications计算机工程与应用2013，49（2） 近年来，从数据流上发现频繁模式已成为一个具有挑 战性的课题。FP growth[ 是一种高效的经典算法，然而 2 遍数据库扫描不能适应数据流连续、无界、高速到达的特 点。为了克服该局限性，需要设计一种有效的全局数据结 构，通过单遍扫描就能包含所有数据库信息。文献[2 4]提 出了几种前缀树数据结构，其中，CanTree[4结构最具代表 性。由于按照频繁无关的顺序插入项到树结构中，因此 CanTree的压缩性能和挖掘性能比 FP tree要差。 文献[5]提出一种类似于 FP tree的单遍扫描频繁模式 树结构，采用了一种有效的动态重构树的方法，但还不能 适应滑动窗口模型的特点。本文在文献[5]的基础上提出 了一个新颖的概念——“尾结点”，树结构中每条路径上的 窗格信息只保持在尾结点里，从而在窗口滑动时能够有效 地删除过期窗格和插入新窗格。 1 FPS-tree的构造 与 CanTree类似，本文使用滑动窗口技术发现近来的 频繁模式。为了配合窗口滑动和树更新，每个窗口由若干 个窗格组成，每个窗格包含了若干条事务，窗口逐窗格逐 窗格地滑动。CanTree将窗格信息保持在每个结点里，本 文提出一个新颖的概念——“尾结点”，即树结构中每条路 径上最后一个结点，该路径所属的窗格信息只保持在尾结 点里，有利于在窗口滑动时有效地删除最旧的窗格，插入 新的窗格。 定义 1（尾项）设 {i1 i2 in}表示数据流一个事务， 其项目按预先定义的顺序排序。最后一个项目 in 称为事 务的尾项。例如，按字典顺序排序的事务{a，c，f}，其尾项 是 f，如果按反字典顺序排序，事务{f，c，a}的尾项就是 a。 数据流上一种单遍扫描频繁模式树结构 谭 军 1，2，卜英勇 1，陈爱斌 2 TAN Jun ，2, BU Yingyong , CHEN Aibin2 1.中南大学 机电工程学院，长沙 410083 2.中南林业科技大学 计算机与信息工程学院，长沙 412006 1.College of Mechanical Electrical Engineering, Central South University, Changsha 410083, China 2.College of Computer Science and Information Technology, Central South University of Forestry and Technology University, Changsha 412006, China TAN Jun, BU Yingyong, CHEN Aibin. Efficient frequent pattern tree structure over data streams. Computer Engineer- ing and Applications, 2013, 49（2）：152-154. Abstract：Aiming at the problem that FP growth algorithm can not adapt to the data stream with the characteristics of infinity and fluidity, this paper presents a novel variation structure of FP tree called FPS tree, which captures all database information in current window with one scan. For effectively deleting expired panes in sliding window, a novel concept“tail node”is proposed, so the information on pane in every path of FPS tree is only retained in the tail node. Experimental results show that compact performance of the FPS tree is better than other prefix tree structure with one scan. Key words：data stream; Frequent Pattern（FP）growth algorithm; single pass pattern tree; tail node 摘 要：针对频