数据流中基于矩阵的频繁项集挖掘  

Mining frequent itemsets over data stream by matrix

作　　者：王磊[1] 黄志球[1] 朱小栋[1] 沈国华[1] 程亮[1] 

机构地区：[1]南京航空航天大学信息科学与技术学院,南京210016

出　　处：《计算机科学与探索》2008年第3期330-336,共7页Journal of Frontiers of Computer Science and Technology

摘　　要：挖掘频繁项集是挖掘数据流的基本任务。许多近似算法能够有效地对数据流进行频繁项挖掘,但不能有效地控制内存资源消耗和挖掘运行时间。为了提高数据流频繁项集挖掘的时空效率,通过引入矩阵作为概要数据结构,提出了一种新的数据流频繁项集挖掘算法。最后通过实验证明了该算法的有效性。Mining frequent itemsets is a basic task of the data stream mining. Recently many approximate algorithms can mine frequent itemsets over data stream. However, these algorithms still can not efficiently reduce space and time cost. To improve the efficiency of mining frequent itemsets over data stream, matrix is imported as the synopsis data structure and a new algorithm of mining frequent itemsets is presented. Finally, experiments prove the efficiency of this algorithm.

关 键 词：数据流 数据挖掘 频繁模式 矩阵 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]