資源描述:
《基于傾斜時間窗口的頻繁項集挖掘算法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、●分類號:——UDC:密級:編號:工學(xué)碩士學(xué)位論文基于傾斜時間窗口的頻繁項集挖掘算法研究碩士研究生:指導(dǎo)教師:學(xué)位級別:學(xué)科、專業(yè):所在單位:論文提交日期:論文答辯日期:學(xué)位授予單位:徐艷紅張健沛教授工學(xué)碩士計算機(jī)軟件與理論計算機(jī)科學(xué)與技術(shù)學(xué)院2010年1月6日2010年3月12日哈爾濱工程大學(xué)}~oII,rI¨.八-ClassifiedIndex:曲U.D.C:■ADissertationfortheDegreeofM.EngAnResearchonMiningFrequentItemsetsAlgorithmBasedonTitled-·TimeWindow
2、Candidate:XuYanHongSupervisor:ZhangJianpeiAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ComputerSoftwareandTheoryDateofSubmission:January,2010DateofOralExamination:March,2010University:HarbinEngineeringUniversity哈爾濱工程大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明:本論文的所有工作,是在導(dǎo)師的指導(dǎo)下,由作者本人獨立完成的。有關(guān)觀點、方法、數(shù)據(jù)和
3、文獻(xiàn)的引用已在文中指出,并與參考文獻(xiàn)相對應(yīng)。除文中已注明引用的內(nèi)容外,本論文不包含任何其他個人或集體已經(jīng)公開發(fā)表的作品成果。對本文的研究做出重要貢獻(xiàn)的個人和集體,均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。作者(簽字):行開夠2日期:衣9加年羅月心日學(xué)位論文授權(quán)使用聲明本人完全了解學(xué)校保護(hù)知識產(chǎn)權(quán)的有關(guān)規(guī)定,即研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)屬于哈爾濱工程大學(xué)。哈爾濱工程大學(xué)有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件。本人允許哈爾濱工程大學(xué)將論文的部分或全部內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索,可采用影印、縮印或掃描等復(fù)制手段保存和匯編
4、本學(xué)位論文,可以公布論文的全部內(nèi)容。同時本人保證畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫的論文一律注明作者第一署名單位為哈爾濱工程大學(xué)。涉密學(xué)位論文待解密后適用本聲明。本論文(口在授予學(xué)位后即可口在授予學(xué)位12個月后口解密后)由哈爾濱工程大學(xué)送交有關(guān)部門進(jìn)行保存、匯編等。作者(簽字):孝寰j}黿零≯日期:i∥印年多月世日導(dǎo)師c簽字,爹坼醴咖年鄉(xiāng)月店日哈爾濱T程大學(xué)碩十學(xué)位論文摘要當(dāng)今的信息社會的中,人們每天都要處理各種各樣的信息和數(shù)據(jù)。隨著信息的爆炸式增長,許多應(yīng)用中需要處理的數(shù)據(jù)規(guī)模也越來越大,這些數(shù)據(jù)以快速的、大量的、按時間順序連續(xù)到達(dá),這種數(shù)據(jù)模式就是數(shù)據(jù)流。由于
5、數(shù)據(jù)流的流動性和無限性的特點,原有頻繁項集挖掘算法已很難完成基于數(shù)據(jù)流上的挖掘任務(wù)。這些挑戰(zhàn)吸引了許多人對數(shù)據(jù)流中頻繁項集挖掘進(jìn)行了大量研究?,F(xiàn)在,數(shù)據(jù)流中頻繁項集挖掘已成為數(shù)據(jù)挖掘中的熱點之一。FP.stream算法可以實現(xiàn)在線挖掘多時間粒度的頻繁項集。作為一個經(jīng)典的挖掘算法,F(xiàn)P.stream算法具有較好的時間效率。但它的不足之處在于:算法使用FP.growth算法來生成頻繁項集和計算支持?jǐn)?shù),需要很大的內(nèi)存開銷和時間開銷;整個挖掘過程中,所有的歷史信息數(shù)據(jù)都存于內(nèi)存中,隨著時間的推移內(nèi)存空間將急劇的膨脹。所以,內(nèi)存開銷巨大是FP.stream算法最大的缺點。
6、針對上述問題,本文將在原算法的基礎(chǔ)之上,采用一種新的數(shù)據(jù)結(jié)構(gòu)(LR.Tile樹及樹結(jié)點)來存儲頻繁項集及其對應(yīng)的傾斜時間窗口。同時引入了垂直的二進(jìn)制向量表示法存儲事務(wù)數(shù)據(jù)以提高時空效率。由于構(gòu)造了新的樹結(jié)點結(jié)構(gòu),可以方便地完成LR.Tile樹的線性存儲和結(jié)點查詢。另外將LR.Trie樹分割為若干子樹并以文件的形式存儲,在內(nèi)存中建立項和文件的索引表,按需調(diào)入文件,極大地減少了內(nèi)存消耗。實驗表明,改進(jìn)后的算法在不明顯降低原算法時間效率的前提下,提高了內(nèi)存空間利用率。該算法適用于對時間要求不高,但對內(nèi)存空間要求較高的應(yīng)用。關(guān)鍵詞:數(shù)據(jù)流:頻繁項集:二進(jìn)制向量;LR.T
7、ile樹;內(nèi)存開銷k‘●、o‰IAbstractIIltheinformationsociety,peoplehavetoprocessvariousinformationanddatatoday.Astheexplosiveincreaseofinformation,thescaleofthedatatobepfocessedbecomeslargerandlargerinmanypracticalapplications.Thesedatacontinuallyarrivewithhighspeed,hugevolumeandintimeordenThisd
8、atamoduleisc