滑动窗口下数据流完全加权最大频繁项集挖掘
来源期刊：东北大学学报(自然科学版)2016年第7期
论文作者：王少鹏 闻英友 赵宏
文章页码：931 - 936
关键词：数据流;滑动窗口;编辑距离比率;加权最大频繁项集;重构判别函数;
摘 要：针对当前关于数据流加权最大频繁项集WMFI（weighted maximal frequent itemsets）的研究无法有效地处理频繁阈值和加权频繁阈值不一致情况下WMFI的挖掘问题,提出了完全加权最大频繁项集FWM FI（full w eighted maximal frequent itemsets）的概念.为了减少naive算法在处理滑动窗口下完全加权最大频繁项集挖掘时存在的冗余运算,提出了FWMFI-SW（FWMFI mining based on sliding window over data stream）算法.所提出的算法通过基于频繁约束条件的优化策略减少了naive算法中M ax W优化策略的无效调用次数;采用编辑距离比率作为WMFP-SW-tree的重构判别函数,可以有效减少该树的重构次数.实验结果表明FWMFI-SW算法是有效的,且比naive算法更有时间优势.
王少鹏1，闻英友1,2，赵宏1,2
1. 东北大学信息科学与工程学院2. 东北大学医学影像计算教育部重点实验室
摘 要：针对当前关于数据流加权最大频繁项集WMFI（weighted maximal frequent itemsets）的研究无法有效地处理频繁阈值和加权频繁阈值不一致情况下WMFI的挖掘问题,提出了完全加权最大频繁项集FWM FI（full w eighted maximal frequent itemsets）的概念.为了减少naive算法在处理滑动窗口下完全加权最大频繁项集挖掘时存在的冗余运算,提出了FWMFI-SW（FWMFI mining based on sliding window over data stream）算法.所提出的算法通过基于频繁约束条件的优化策略减少了naive算法中M ax W优化策略的无效调用次数;采用编辑距离比率作为WMFP-SW-tree的重构判别函数,可以有效减少该树的重构次数.实验结果表明FWMFI-SW算法是有效的,且比naive算法更有时间优势.
关键词：数据流;滑动窗口;编辑距离比率;加权最大频繁项集;重构判别函数;
