基于改进布尔约减级数分层的大数据流滞后相关性-模式识别与人工智能.PDFVIP

第29 卷摇 第5期 模式识别与人工智能 Vol.29摇 No.5 2016年5月 PR AI May摇 2016 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 基基于改进布尔约减级数分层的 摇 摇 摇 摇 摇 摇 大数据流滞后相关性挖掘方法* 任永功摇 摇 钱海振摇 摇 郎泓钰 (辽宁师范大学 计算机与信息技术学院摇 大连 116081) 摘摇 要摇 为了提高大数据流滞后相关性序列挖掘效率,提出基于改进布尔约减级数分层的大数据流滞后相关性挖 掘方法.该方法根据原数据流两段序列的序列均值对大数据流序列进行布尔变换,有效降低布尔约减计算开销.通 过序列元素转换及还原,缩减序列元素的数目,克服传统算法在滞后相关性计算时需要计算所有数据流序列元素 之间滞后相关性的弊端.实验表明,文中方法可有效减少运算时间,在保证精度的同时提高运算效率. 关键词摇 改进布尔约减,大数据流,滑动窗口,滞后相关性,级数分层 中图法分类号摇 TP301 DOI摇 10.16451/ ki.issn1003鄄6059.201605009 引用格式摇 任永功,钱海振,郎泓钰.基于改进布尔约减级数分层的大数据流滞后相关性挖掘方法.模式识别与人 工智能,2016,29(5):455-463. Lag Correlation Mining Method Based on Improved Boolean Reduction and Layered Series for Big Data Stream REN Yonggong,QIAN Haizhen,LANG Hongyu (School of Computer and Information Technology,Liaoning Normal University,Dalian 116081) ABSTRACT To enhance the efficiency of lag correlation sequences mining for big data stream,a lag correlation mining method based on Boolean reduction and layered series is proposed in this paper. Firstly,by two sequence av