原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
改进的多数据流协同频繁项集挖掘算法-OpenRepositoryofNational
Journal of Computer Applications ISSN 1001-9081 2016-07-10
计算机应用，2016 ，36( 7) : 1988 － 1992 CODEN JYIIDU http: / / www． joca． cn
文章编号:1001-9081 (2016)07-1988-05 DOI :10 ． 11772 /j ． issn． 1001-9081． 2016． 07 ． 1988
改进的多数据流协同频繁项集挖掘算法
*
1 ，2 1 ，2
，
王 鑫 刘方爱
( 1． ， 2500 14 ; 2 ． ( ) ， 2500 14)
山东师范大学信息科学与工程学院 济南 山东省分布式计算机软件新技术重点实验室 山东师范大学 济南
( * 通信作者电子邮箱lfa@ sdnu． edu． cn)
: ，
摘 要 针对已有的多数据流协同频繁项集挖掘算法存在内存占用率高以及发现频繁项集效率低的问题 提出
(MCMD-Stream) 。 ，
了改进的多数据流协同频繁项集挖掘 算法 首先 该算法利用单遍扫描数据库的字节序列滑动窗口
; ， (FP-Tree) (CP-
挖掘算法发现数据流中的潜在频繁项集和频繁项集 其次 构建类似频繁模式树 的压缩频繁模式树
Tree) ， CP-Tree
存储已发现的潜在频繁项集和频繁项集 同时更新 树中每个节点生成的对数倾斜时间表中的频繁项计
; ， ， 。 A-Stream H-
数 最后 通过汇总分析得出在多条数据流中多次出现的且有价值的频繁项集 即协同频繁项集 相比 和
Stream ，MCMD-Stream ，
算法 算法不仅能够提高多数据流中协同频繁项集挖掘的效率 并且还降低了内存空间的使用
。 MCMD-Stream 。
率 实验结果表明
文档评论（0）