基于界标窗口的数据流频繁项集挖掘算法的改进  

IMPROVED ALGORITHMS FOR MINING FREQUENT ITEMSETS IN DATA STREAM BASED ON LANDMARK WINDOW

作　　者：吴媚[1] 高玲[1] 

机构地区：[1]山东师范大学信息科学与工程学院,济南250014

出　　处：《山东师范大学学报（自然科学版）》2014年第3期21-25,29,共6页Journal of Shandong Normal University(Natural Science)

基　　金：国家自然科学基金资助项目（61170145,61373081）;教育部博士点基金资助项目（20113704110001）;山东省自然科学基金资助项目（ZR2010FM021）;山东省科技攻关计划资助项目（2013GGX10125）

摘　　要：挖掘数据流中频繁项集的技术是当前研究的热点之一．笔者借鉴数据模型FP-tree的结构，提出改进的适应挖掘数据流完全频繁项集的方法：FP-NEW．算法预处理阶段保存生成的潜在频繁项并作为构造NFP-tree中的记录输入，用户可以通过设置时间权重等策略对存储结果进行剪枝处理，最终经过迭代挖掘界标窗口中的完全频繁项集．实验证明算法能够适应数据流频繁项集的挖掘，并且在时空效率以及挖掘准确性上有一定优势．Frequent item sets in stream data mining become one of the hot research topics.On the basis of the models of FP-tree data structure,we propose the improved adaptive data mining methods for data stream complete frequent item sets：FP-NEW.The potential frequent items generated in the preprocessing stage are saved and entered into the NFP-tree.Using the strategy of time weight setting,the users can make pruning treatment to the stored dataset.Finally,iteration is used in mining the complete frequent item sets in the landmark window. Experiments show that the algorithm can be applied to the mining of the data stream complete frequent item sets, and has certain advantages over the time and space efficiency and the accuracy.

关 键 词：数据挖掘 数据流 界标窗口 FP—tree 时间权重 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]