学位论文 > 优秀研究生学位论文题录展示

基于滑动窗口的数据流关联规则挖掘研究

作　者: 严澄
导　师: 董金祥；寿黎但
学　校: 浙江大学
专　业: 计算机应用技术
关键词: 数据流关联规则挖掘滑动窗口数据流管理系统
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 97次
引　用: 1次
阅　读: 论文下载

内容摘要

数据流作为信息化时代的产物,广泛应用于社会生活的各个领域。数据流中蕴含着丰富的知识,特别是海量数据下存在的关联关系,在预测和在线分析系统中都是重要的决策依据。现有对关联规则挖掘的研究,大多集中于事务模型,鲜有在独立数据项粒度上的研究。而在特定应用环境中,独立数据之间总是存在定的相生关系。由于数据流的实时性特点,用户又往往对最新产生的数据所包含的信息更感兴趣。为了实时而全面地获取最近一段时间内数据项之间的关联规则,本文提出了滑动窗口模型下,基于划分思想的MARSW(Mining Association Rules on Sliding Window)算法。MARSW算法将滑动窗口分割为一系列子窗口,通过对子窗口的操作维护整个窗口的概要数据结构。大量的仿真实验表明,MARSW算法在给定的误差范围内,能以有限的空间代价实时挖掘滑动窗口下数据项之间存在的所有关联规则,并具有较高的效率和优良的可扩展性。考虑到实际应用环境下数据的多变性和流量的不可控性,关联规则算法需要借助数据流管理系统提供预处理。由于数据流管理系统尚未形成一致认可的标准,本文提出了基于多种数据流管理系统的Federator结构。通过创建内置运算子或接管系统的输入输出,在统一接口模型下,关联规则挖掘算法可以快速、高效地融合于数据流管理系统中。关键词:数据流,关联规则挖掘,滑动窗口,数据流管理系统。

全文目录

摘要  3-4
Abstract  4-9
第1章绪论  9-16
  1.1 课题背景  9
  1.2 数据流概述  9-13
    1.2.1 数据流模型  9-10
    1.2.2 数据流处理模型  10-11
    1.2.3 数据流管理系统  11-12
    1.2.4 数据流挖掘  12-13
  1.3 数据流关联规则挖掘  13-14
  1.4 本文主要研究内容  14-15
  1.5 本文结构  15-16
第2章数据流挖掘相关研究  16-27
  2.1 数据流挖掘的基本思想及主要方法  16-20
    2.1.1 抽样方法  16-17
    2.1.2 直方图方法  17-18
    2.1.3 小波方法  18-19
    2.1.4 哈希方法  19-20
  2.2 频繁项挖掘  20-23
    2.2.1 Lossy Counting算法  21
    2.2.2 Space-Saving算法  21-23
    2.2.3 HCount算法  23
  2.3 关联规则挖掘  23-26
    2.3.1 Apriori算法  24-25
    2.3.2 Stream_Rule算法  25-26
  2.4 本章小结  26-27
第3章滑动窗口模型下的关联规则挖掘  27-45
  3.1 应用背景  27-28
  3.2 问题定义  28-29
  3.3 关联规则挖掘算法  29-37
    3.3.1 Native算法  30-34
    3.3.2 MARSW算法  34-37
  3.4 误差分析  37-38
  3.5 实验  38-43
    3.5.1 概要数据结构性能  39-40
    3.5.2 小规模滑动窗口下算法性能  40-42
    3.5.3 大规模滑动窗口下算法性能  42-43
  3.6 本章小结  43-45
第4章数据流管理系统中的关联规则挖掘  45-51
  4.1 应用背景  45-46
  4.2 关联规则挖掘算法移植  46-47
  4.3 数据流管理系统Federator  47-48
  4.4 数据流管理系统中关联规则挖掘实现  48-50
  4.5 本章小结  50-51
第5章总结与展望  51-53
  5.1 工作总结  51-52
  5.2 未来展望  52-53
参考文献  53-57
攻读硕士学位期间主要的研究成果  57-58
致谢  58

基于滑动窗口的数据流关联规则挖掘研究

内容摘要

全文目录

相似论文