基于概率衰减窗口模型的不确定数据流频繁模式挖掘

被引：34

作者：

廖国琼 ^{[1
,2
]}

吴凌琴 ^{[3
]}

万常选 ^{[1
,2
]}

机构：

[1] 江西财经大学信息管理学院

[2] 江西省高校数据与知识工程重点实验室

[3] 江西省赣抚平原水利工程管理局

来源：

计算机研究与发展 | 2012年 / 49卷 / 05期

关键词：

不确定数据; 数据流; 概率频繁模式; 频繁模式挖掘; 数据挖掘;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

考虑到不确定数据流的不确定性,设计了一种新的概率频繁模式树PFP-tree和基于该树的概率频繁模式挖掘方法PFP-growth.PFP-growth使用事务性不确定数据流及概率衰减窗口模型,通过计算各概率数据项的期望支持度以发现概率频繁模式,其主要特点有:考虑到窗口内不同时间到达数据项的贡献度不同,采用概率衰减窗口模型计算期望支持度,以提高模式挖掘准确度;设置数据项索引表和事务索引表,以加快频繁模式树检索速度;通过剪枝删除不可能成为频繁模式的结点,以降低模式树的存储及检索开销;对每个结点都设立一个事务概率信息链表,以支持数据项在不同事务中具有不同概率的情形.实验结果表明,PFP-growth在保证挖掘模式准确度的前提下,在处理时间和内存空间等方面都具有较好的性能.

引用

页码：1105 / 1115

页数：11