基于Topology模型的数据流频繁闭项集挖掘

被引：2

作者：

许晓

王诚

机构：

[1] 南京邮电大学通信与信息工程学院

来源：

南京邮电大学学报(自然科学版) | 2016年 / 36卷 / 03期

关键词：

Topology; Moment算法; 数据流; 基础窗口; 频繁闭项集;

D O I：

10.14132/j.cnki.1673-5439.2016.03.012

中图分类号：

TP311.13 [];

学科分类号：

摘要：

针对数据流频繁闭项集挖掘算法Moment存在的缺点和不足,提出一种改进算法——TP-Moment。该算法利用Topology模型处理整个挖掘过程,将滑动窗口分为若干个基础窗口,用基础窗口更新取代增量式更新。通过并行化的挖掘每个基础窗口中的临界频繁闭项集合,存储到一种可动态更新的树结构GCFI-tree中,快速挖掘滑动窗口中所有全局频繁闭项集并存储。实验证明,改进算法在保证挖掘结果的同时,有效地降低了挖掘时间和内存空间。

引用

页码：79 / 84

页数：6

共 6 条

[1]

基于Storm的实时计算框架的研究与应用 [J].

李川 ;

鄂海红 ;

宋美娜 .

软件, 2014, 35 (10) :16-20

[2]

一种基于Storm编程模型的迭代Topology方案 [J].

杜政颉 ;

王鹏 ;

黄焱 ;

郎福通 .

成都信息工程学院学报, 2014, 29 (01) :47-51

[3]

基于滑动窗口的数据流闭合频繁模式的挖掘 [J].

刘学军 ;

徐宏炳 ;

董逸生 ;

钱江波 ;

王永利 .

计算机研究与发展, 2006, (10) :1738-1743

[4]

Mining frequent closed itemsets from a landmark window over online data streams.[J].Xuejun Liu;Jihong Guan;Ping Hu.Computers and Mathematics with Applications.2008, 6

[5]

Finding frequent items in data streams.[J].Moses Charikar;Kevin Chen;Martin Farach-Colton.Theoretical Computer Science.2003, 1

[6]

数据流频繁闭项集挖掘算法研究 [D].

赖胜 .

兰州理工大学,

2011

← 1 →