基于粒计算的时序数据流关联规则挖掘模型研讨.pdfVIP

计算机科学2007V01．34No．8A 基于粒计算的时序数据流关联规则挖掘模型研究 ResearchonGranular basedTimeSeriesDataStreamsAssociationRule Model Computing Mining 朱小栋黄志球王磊程亮沈国华 (南京航空航天大学信息科学与技术学院 南京210016) AbstrsdDatatakestheforlTlofcontinuousdatastreamsratherthantraditionalstoreddatahasesina rn皿一 growing betof whichinclude．sensor traffic intrusiondetectionetc． applications networks，networkmonitoring，network withmuchworkon islittlework on data aswellas paid m访访g Comparing algorithmsdeveloping，there modeling data this a hasedassociationrule modelin streazl强rnmL嘻Inreport，we minh-19 presentedgranularcomputing large timeseriesdatastreanis-Wedescribedtimeseriesdatastreamsandassociationrule indata detailedly miningprocess stream地Someand werea1．50illustratedtovalidatethismodeLThemodelisusefultOfurther exampleexperiments understandthe ofrules and associationrule process extractingdevelop miningalgorithms． Granular Decision streams，Data rule Keywords computingtlogiclanguage，Data mining，Association 言的粒计算方法，并解释数据流的关联规则挖掘过 1 引言 程。第5节通过一个网络监测数据流的实验来验证 如果说数据挖掘是智能数据分析发展的一个发 模型的正确性和有效性。最后是本文的总结和进一 展阶段，则数据流挖掘成为近年智能数据分析发展 步的工作。 的一个新的研究阶段。不仅因为许多应用领域如传 2数据流的信息系统模型 感器网络、互联网的访问、计算机网络监控、股市、电 话记录产生大量高速实时的数据流，使得传统的数 2．1数据流的概念 据挖掘技术不能适应这种新的数据形式，而且，对数 时序数据流；以下简称数据流，是一个不