首页 | 本学科首页   官方微博 | 高级检索  
     

一种基于滑动窗口模型的数据流加权频繁模式挖掘方法
引用本文:蔡艺松,石秀金. 一种基于滑动窗口模型的数据流加权频繁模式挖掘方法[J]. 智能计算机与应用, 2018, 0(2): 63-67
作者姓名:蔡艺松  石秀金
作者单位:东华大学 计算机科学与技术学院,上海,201620
摘    要:相对于传统的频繁模式挖掘,加权频繁模式挖掘能发现更有价值的模式信息.针对数据流中的数据只能一次扫描,本文提出了一种基于滑动窗口模型的数据流加权频繁模式挖掘方法WFP-SW(Sliding Window based Weighted Frequent Pattern minig),算法采用WE-tree(Weighted Enumeration Tree)存储模式和事务信息,利用虚权支持度维持模式的向下闭合特性,同时获取临界频繁模式.对临界频繁模式进一步计算其加权支持度获取加权频繁模式,使得计算更新模式更加便捷.实验结果显示算法具有较高的挖掘效率并且所需的内存更少.

关 键 词:事务数据流  数据流挖掘  加权频繁模式挖掘  滑动窗口模型

A sliding window based method for weighted frequent-pattern mining over data stream
CAI Yisong,SHI Xiujin. A sliding window based method for weighted frequent-pattern mining over data stream[J]. INTELLIGENT COMPUTER AND APPLICATIONS, 2018, 0(2): 63-67
Authors:CAI Yisong  SHI Xiujin
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号