基于时空划分的数据流挖掘  

Data Stream Mining Based on Time and Space Partitioning

作　　者：袁正午[1,2] 袁松彪[1] 

机构地区：[1]重庆邮电大学中韩合作GIS研究所,重庆400065 [2]重庆大学土木工程学博士后流动站,重庆400045

出　　处：《计算机工程》2010年第7期61-62,65,共3页Computer Engineering

基　　金：国家"863"计划基金资助项目(2007AA12Z226);重庆自然科学基金资助项目(CSTC2007BB2446)

摘　　要：基于时空划分的思想,设计概要数据结构的在线生成算法。概要数据结构保存流数据不同时刻的分布状态,以支持离线阶段的分类、聚类和关联规则发现等数据挖掘操作。研究时间粒度、量化向量调整和子区域索引等3项内存需求控制策略,以平衡概要数据结构的内存需求和内外存之间的I/O次数。Based on the idea of time and space partitioning, this paper designs synopsis data structures which contains the distributed status of data stream to support different data mining tasks such as classifying, clustering and association rules discovery. Three kinds of measures are researched to control the potential huge requirement of memory caused by space partitioning, so that the synopsis＇ memory requirement and the number of I/O are balanced.

关 键 词：数据流 时空划分 概要数据结构 聚类 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]