面向数据流的频繁项集挖掘研究  

Research on mining frequent itemsets 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：《计算机工程与应用》2010年第24期138-140,159,共4页Computer Engineering and Applications

基　　金：国家自然科学基金(No.605730962);陕西省自然科学基金(No.2004f283);西安市科技创新支撑-应用发展研究计划项目(No.YF07024)~~

摘　　要：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,提出了数据流频繁项集挖掘算法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。通过和FP-DS算法的实验对比,FP-SegCount算法具有较好的时间效率。According to the characteristic of data streams,the paper proposes FP-SegCount algorithm for mining frequent itemsets from data streams.The algorithm partitions the data stream and uses modified FP-growth algorithm to mining frequent itemsets in every segment.And then,it counts itemsets in Count Min Sketch.The algorithm solves the problem of compressed statistic and effective computation.Through experimentation and comparision with FP-DS algorithm,FP-SegCount algorithm has a good time efficiency.

关 键 词：数据流 数据挖掘 数据流挖掘 频繁项集 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]