面向不確定數(shù)據(jù)的頻繁模式挖掘算法研究.pdf

1、互聯(lián)網(wǎng)技術的快速發(fā)展，導致在網(wǎng)絡實際應用中產(chǎn)生了各種各樣的數(shù)據(jù)。例如，網(wǎng)上、實體超市中產(chǎn)生的零售商品數(shù)據(jù)、無線傳感器網(wǎng)絡收集的數(shù)據(jù)和GPS定位系統(tǒng)中獲取的地理位置信息等數(shù)據(jù)。面對如此多的數(shù)據(jù)，隨之而來的問題是如何對這些存儲在數(shù)據(jù)庫中的海量數(shù)據(jù)進行處理和應用，數(shù)據(jù)挖掘理論和技術應運而生。在這些海量數(shù)據(jù)中，很多的數(shù)據(jù)是不完整的或是以不確定形式存在的，從不確定數(shù)據(jù)中發(fā)現(xiàn)有趣的知識和內(nèi)容已經(jīng)成為新的研究方向和熱點。
　　本文以不確定數(shù)據(jù)的

2、頻繁模式挖掘算法作為新的研究對象。首先介紹了數(shù)據(jù)處理中所需要的關鍵技術，如數(shù)據(jù)庫技術、數(shù)據(jù)挖掘技術，并對數(shù)據(jù)頻繁模式挖掘進行了概括。然后介紹了不確定數(shù)據(jù)挖掘的理論技術知識，包括不確定數(shù)據(jù)的定義，不確定數(shù)據(jù)的理論模型，不確定數(shù)據(jù)頻繁模式挖掘算法。最后提出了兩種有效的不確定數(shù)據(jù)頻繁模式挖掘算法。
　　本文所做的主要工作包含以下三個方面：
　　(1)研究了不確定數(shù)據(jù)頻繁模式挖掘算法的概要數(shù)據(jù)結構，設計了一種改進的基于樹結構的不確定

3、數(shù)據(jù)頻繁模式挖掘算法的數(shù)據(jù)結構。
　　計算機的數(shù)據(jù)結構是存儲以及組織數(shù)據(jù)的最重要方式，因此邏輯結構嚴謹、合理的數(shù)據(jù)結構直接影響到算法運行的效率。本文根據(jù)不確定數(shù)據(jù)的特點和表現(xiàn)形式，在前人工作的基礎上，對已有的基于樹結構的不確定數(shù)據(jù)頻繁模式挖掘算法的數(shù)據(jù)結構進行了優(yōu)化，重新設計了面向不確定數(shù)據(jù)頻繁模式挖掘算法中生成樹中項頭表的數(shù)據(jù)結構，即在項頭表中增加了一個長度可變的動態(tài)數(shù)組，可以壓縮構建頻繁模式樹時所占用的內(nèi)存空間。
　　(

4、2)研究了基于樹結構不確定數(shù)據(jù)頻繁模式挖掘算法，提出了一種有效的不確定數(shù)據(jù)頻繁模式增長算法。
　　在研究不確定數(shù)據(jù)頻繁模式增長算法的基礎上，通過構建結構更加緊湊的樹結構，提出了改進的不確定數(shù)據(jù)頻繁模式增長算法。該算法可以在構建不確定數(shù)據(jù)頻繁模式樹的同時，不斷地更新項頭表中用來保存以該項為尾節(jié)點的所有可能頻繁項集和相應期望值的數(shù)組。當頻繁模式樹構建完成以后，通過遍歷項頭表中的數(shù)組即可得到需要的概率頻繁項集，而不需要遍歷樹結構得到概率

5、頻繁項集。最后通過實驗驗證了本文提出的算法不但能夠減少算法運行時所占用的內(nèi)存空間，而且提高了不確定數(shù)據(jù)頻繁項集的挖掘效率。
　　(3)研究了基于樹結構不確定數(shù)據(jù)流頻繁模式挖掘算法，改進了一種基于滑動窗口模型的不確定數(shù)據(jù)流頻繁模式增長算法。
　　數(shù)據(jù)流具有實時、無界的特點，受到計算機內(nèi)存的限制，隨著數(shù)據(jù)流的到來，內(nèi)存中樹據(jù)需要被盡快的處理掉，否則會導致內(nèi)存溢出，而且伴隨著數(shù)據(jù)流的到來，某些不頻繁的項集可能會變成頻繁項集。本文根