面向数据流的频繁模式挖掘研究  

Research on mining frequent patterns in data streams

作　　者：孟彩霞[1] 

机构地区：[1]西安邮电学院计算机科学系,西安710061

出　　处：《计算机应用研究》2009年第11期4054-4056,4059,共4页Application Research of Computers

基　　金：陕西省自然科学基金资助项目(2004f283);西安市科技创新支撑-应用发展研究计划资助项目(YF07024)

摘　　要：数据流的无限性、高速性使得经典的频繁模式挖掘方法难以适用到数据流中。针对数据流的特点,对数据流中频繁模式挖掘问题进行了研究,提出了数据流频繁模式挖掘算法FP-SegCount。该算法将数据流分段并利用改进的FP-growth算法挖掘分段中的频繁项集,然后利用Count-Min Sketch进行项集计数。算法解决了压缩统计和计算快速高效的问题。通过实验分析,FP-SegCount算法是有效的。Because of the limitless and high speed of data stream, classical frequent patterns mining method is difficult to extend to data stream. According to the characteristic of data streams, this paper proposed FP-SegCount algorithm for mining frequent patterns from data streams. The algorithm partitioned the data stream and used modified FP-growth algorithm to mining frequent itemsets in every segment. And then, counted itemsets in Count-Min Sketch. The algorithm solved the problem of compressed statistic and effective computation. Through＂ experimentation and analysis, FP-SegCount algorithm is efficient.

关 键 词：数据流 数据挖掘 数据流挖掘 频繁模式 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]