窗口模式下在线数据流中频繁项集的挖掘  

Online data stream mining of recent frequent itemsets based on sliding window model

作　　者：李可[1] 任家东[1] 

机构地区：[1]燕山大学信息科学与工程学院,河北秦皇岛066004

出　　处：《计算机应用研究》2010年第5期1711-1713,共3页Application Research of Computers

基　　金：国家"863"计划资助项目(2009AA01Z433);河北省自然科学基金资助项目(F2008000888)

摘　　要：拟采用一种基于滑动窗模式的单遍挖掘算法,专注于处理近期数据;为了减少处理时间和占用的内存,设计了一种新的事务表示方法。通过处理这个事务的表达式,频繁项集可以被高效输出,并解决了使用基于Apriori理论的算法时,由候选频繁1-项集生成频繁2-项集时数据项顺序判断不准确问题。该算法称为MRFI-SW算法。This paper proposed a one-pass data stream mining algorithm to mine the recent frequent itemsets in data streams with a sliding window based on transactions.To reduce the cost of time and memory needed to slide the windows,denoted each items a bit-sequence representations. Basing on dealing with the representations,can find frequent patterns in data streams efficiently,and the sequent of frequent 2-items is correct.This paper named the method MRFI-SW（mining recent frequent itemsets by sliding window）algorithm.

关 键 词：在线数据流 频繁项集 滑动窗 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]