面向RFID海量數(shù)據(jù)的圖挖掘技術(shù)研究.pdf

1、隨著科技的進步，射頻識別技術(shù)(Radio Frequency Identification，RFID)技術(shù)已應(yīng)用于諸如倉儲管理與物流、郵件/快運包裹處理、圖書管理、醫(yī)療保健等領(lǐng)域。RFID技術(shù)與互聯(lián)網(wǎng)、通信技術(shù)相結(jié)合，可實現(xiàn)全球范圍內(nèi)物品的編號、識別、編目、跟蹤和信息共享。將射頻識別技術(shù)引入供應(yīng)鏈管理，可以跟蹤物流網(wǎng)絡(luò)中移動物品的運動軌跡，為用戶決策提供有力支持。商品流動會產(chǎn)生的大量的結(jié)構(gòu)數(shù)據(jù)，針對此類RFID路徑數(shù)據(jù)挖掘，主要存在如下

2、幾方面問題：(1)缺乏對RFID應(yīng)用中各種信息進行有效表示的模型；(2)原始RFID數(shù)據(jù)量龐大、抽象層次最低，不利于數(shù)據(jù)分析；(3)對移動物體的軌跡進行聚類可以有效的預(yù)測物體的運動趨勢，傳統(tǒng)的軌跡聚類方法都是把整個物體的運動軌跡作為研究對象，會丟失相似的子軌跡。
　　 RFID數(shù)據(jù)中最重要的部分是物品的移動數(shù)據(jù)，又稱路徑數(shù)據(jù)或者痕跡數(shù)據(jù)，RFID數(shù)據(jù)挖掘主要工作就是路徑數(shù)據(jù)挖掘。我們對路徑數(shù)據(jù)挖掘技術(shù)作了深入的研究，挖掘出現(xiàn)頻率

3、較高的路徑，為用戶了解物品的移動規(guī)律和趨勢，優(yōu)化供應(yīng)鏈。本文在國內(nèi)外研究的基礎(chǔ)上，設(shè)計高效的RFID數(shù)據(jù)倉庫圖建模方法，提出了基于圖型數(shù)據(jù)集的頻繁路徑挖掘算法、RFID數(shù)據(jù)壓縮方法、RFID跟蹤系統(tǒng)中的移動對象軌跡的劃分一聚類方法等。論文主要創(chuàng)新點如下：
　　 1)傳統(tǒng)數(shù)據(jù)倉庫技術(shù)沒有考慮不同元組間的關(guān)系，而RFID的數(shù)據(jù)元組包含路徑等結(jié)構(gòu)信息。針對這些結(jié)構(gòu)數(shù)據(jù)，本文提出圖建模方法，將基于圖的OLAP框架應(yīng)用到RFID物流管理中

4、，對物品的運輸路徑建立圖模型。即將物流信息用圖來表示，用戶根據(jù)自己的興趣，對圖集進行相關(guān)的OLAP操作，獲得有用的圖信息，從而提高查詢效率。
　　 2)針對基于RFID物流數(shù)據(jù)的圖集，本文提出Rmine算法，將頻繁路徑挖掘問題轉(zhuǎn)換為頻繁圖的挖掘，當產(chǎn)生的物流圖數(shù)目很大時，而用戶只對其中的一部分圖感興趣，那么我們可以先從圖集中找出滿足用戶需求的圖集，然后利用DFS(深度優(yōu)先搜索)法生成頻繁子圖，降低了子圖同構(gòu)枚舉的開銷，加快頻繁圖

5、的挖掘速度。
　　 3)閱讀器采集的原始RFID數(shù)據(jù)量龐大、抽象層次最低，不利于數(shù)據(jù)分析，利用圖構(gòu)建RFID數(shù)據(jù)倉庫，本文提出了圖概化的方法，根據(jù)用戶所選擇的屬性和關(guān)系，將圖中的節(jié)點分組，并且由用戶控制概化的層次，即通過分組的數(shù)目k來決定概化圖的大小，根據(jù)當前分組的大小，選擇divide操作來對原始分組進行更精確的劃分，或者選擇merge操作來合并原始分組，得到粗糙的聚集層次。通過剪枝，來壓縮圖集，減小數(shù)據(jù)集，使得頻繁圖挖掘算法