2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于时间衰减模型的数据流频繁模式挖掘

吴枫 仲妍 吴泉源

吴枫, 仲妍, 吴泉源. 基于时间衰减模型的数据流频繁模式挖掘. 自动化学报, 2010, 36(5): 674-684. doi: 10.3724/SP.J.1004.2010.00674
引用本文: 吴枫, 仲妍, 吴泉源. 基于时间衰减模型的数据流频繁模式挖掘. 自动化学报, 2010, 36(5): 674-684. doi: 10.3724/SP.J.1004.2010.00674
WU Feng, ZHONG Yan, WU Quan-Yuan. Mining Frequent Patterns over Data Stream under the Time Decaying Model. ACTA AUTOMATICA SINICA, 2010, 36(5): 674-684. doi: 10.3724/SP.J.1004.2010.00674
Citation: WU Feng, ZHONG Yan, WU Quan-Yuan. Mining Frequent Patterns over Data Stream under the Time Decaying Model. ACTA AUTOMATICA SINICA, 2010, 36(5): 674-684. doi: 10.3724/SP.J.1004.2010.00674

基于时间衰减模型的数据流频繁模式挖掘

doi: 10.3724/SP.J.1004.2010.00674
详细信息
    通讯作者:

    吴枫

Mining Frequent Patterns over Data Stream under the Time Decaying Model

More Information
    Corresponding author: WU Feng
  • 摘要: 频繁模式挖掘是数据流挖掘中的重要研究课题. 针对数据流的时效性和流中心的偏移性特点, 提出了界标窗口模型与时间衰减模型相结合的数据流频繁模式挖掘算法. 该算法通过动态构建全局模式树, 利用时间指数衰减函数对模式树中各模式的支持数进行统计, 以此刻画界标窗口内模式的频繁程度; 进而, 为有效降低空间开销, 设计了剪枝阈值函数, 用于对预期难以成长为频繁的模式及时从全局树中剪除. 本文对出现在算法中的重要参数和阈值进行了深入分析. 一系列实验表明, 与现有同类算法MSW相比, 该算法挖掘精度高(平均超过90%), 内存开销小, 速度上可以满足高速数据流的处理要求, 且可以适应不同事务数量、不同事务平均长度和不同最大潜在频繁模式平均长度的数据流频繁模式挖掘.
  • 加载中
计量
  • 文章访问数:  2177
  • HTML全文浏览量:  37
  • PDF下载量:  1912
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-12-15
  • 修回日期:  2009-11-06
  • 刊出日期:  2010-05-20

目录

    /

    返回文章
    返回