基于数据流的关联规则挖掘方法的研究

论文摘要

近年来,针对数据流的挖掘研究已成为数据挖掘领域中一个新的研究热点。和传统静态数据库中的数据不同的是,数据流具有连续的、无限性、和实时性的特点,使得传统的频繁模式挖掘算法难以适用。这对挖掘数据流中的知识带来了新的研究挑战。本文主要针对数据流挖掘中的一些问题展开研究,主要内容如下:首先,对数据流挖掘技术及其特点进行了介绍,然后对数据流挖掘的基本概念及其关键问题进行了介绍,最后对数据流挖掘的几个典型算法进行了研究。其次,提出了基于滑动窗口的数据流频繁闭合模式挖掘算法—PCFI算法。该算法通过将滑动窗口分割为若干个基本窗口,以基本窗口为更新单位,使用提出的前缀滑动窗口树PCFI-tree来挖掘基本窗口内的频繁闭合模式。挖掘时,将频繁模式存储到同一PCFI-tree中,同时删除PCFI-tree上过期的及不频繁闭合的模式分支。挖掘和更新滑动窗口中的所有频繁闭合模式是在PCFI-tree中同时进行。这个实验的结果显示,本算法具备较良好的性能。在论文的最后提出了一个在倾斜时间窗口中的数据流最大频繁模式挖掘算法MMFIDS。MMFIDS基于在倾斜时间窗口,在这其中,对数据进行存储和处理采用了位对象数据、位频繁树IFP-tree和存储树PTTW-tree等,由此可以针对数据流中的新老事务的不同作用挖掘出最大频繁模式。本实验结果显示了该算法的良好性能。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 本文研究的目的和意义
• 1.2 国内外研究现状
• 1.2.1 数据流管理系统
• 1.2.2 数据流挖掘技术的相关研究
• 1.3 本文的组织结构
• 2 关联规则与数据流挖掘
• 2.1 关联规则与数据挖掘
• 2.1.1 关联规则的基本概念
• 2.1.2 关联规则的分类
• 2.1.3 关联规则的挖掘步骤
• 2.1.4 数据挖掘概述
• 2.2 数据流及数据流挖掘
• 2.2.1 数据流及其特点
• 2.2.2 数据流挖掘
• 2.3 数据流挖掘的发展趋势
• 2.4 本章小结
• 3 数据流频繁模式类挖掘技术
• 3.1 数据流频繁模式类挖掘的基本概念
• 3.2 数据流频繁模式类挖掘典型算法
• 3.2.1 Lossy Counting 算法
• 3.2.2 FP-stream 算法
• 3.2.3 其他的频繁模式挖掘算法
• 3.3 数据流频繁闭合模式挖掘
• 3.3.1 A-close 算法
• 3.3.2 Closet 和Closet+算法
• 3.4 数据流最大频繁模式挖掘
• 3.4.1 DSM-MFI 算法
• 3.4.2 estDec +算法
• 3.5 数据流频繁模式类挖掘的发展趋势
• 3.6 本章小结
• 4 基于数据流滑动窗口内的频繁闭合模式挖掘
• 4.1 滑动窗口模型
• 4.2 PCFI-tree 结构
• 4.3 数据流频繁模式挖掘PCFI 算法
• 4.3.1 算法简介
• 4.3.2 PCFI 算法挖掘策略
• 4.3.3 PCFI 算法描述
• 4.4 算法测试与分析
• 4.4.1 算法结果测试
• 4.4.2 实验对比分析
• 4.5 本章小结
• 5 事务衰减的数据流最大频繁模式挖掘
• 5.1 倾斜时间窗口模型
• 5.2 MMFIDS 算法简介
• 5.2.1 带权的位对象
• 5.2.2 改进的频繁模式树IFP-tree
• 5.2.3 前缀倾斜时间窗口树PTTW-tree
• 5.2.4 数据流最大频繁项集挖掘算法MMFIDS
• 5.3 算法测试与分析
• 5.3.1 实验结果分析
• 5.3.2 实验对比分析
• 5.4 本章小结
• 6 结论
• 6.1 本文总结
• 6.2 未来工作的展望
• 致谢
• 参考文献
• 附录