基于Sketch的數據流頻繁項集挖掘研究.pdf_第1頁
已閱讀1頁，還剩64頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、科學技術的高速發(fā)展引發(fā)了數據流的應用，數據以流的形式產生，并實時、持續(xù)、有序地到達。頻繁項集挖掘在數據流中有著重要的應用，而傳統(tǒng)的靜態(tài)頻繁項集挖掘算法不適用于數據流。Sketch利用hash技術，能以很快的速度處理數據，并且Sketch利用有限內存資源保存較多數據關鍵信息的近似值，滿足數據流高速不斷到達的特性，所以Sketch在數據流頻繁挖掘中應用很廣。但傳統(tǒng)的Sketch結構不適用于頻繁多項集的挖掘，并在數據流頻繁項挖掘中性能有待提高

2、。本文的研究內容可概括為兩個方面：
　　針對以往的Sketch存在內存消耗多、隨數據量增多而飽和、查詢準確率低等問題，本文給出了幾種Sketch優(yōu)化技術，并提出了一種新的概要數據結構—ECM(extensible Count-min)。ECM有效的解決了Sketch內存小好多、查詢準確率低以及隨數據量增多而飽和等問題。
　　傳統(tǒng)的頻繁項集挖掘算法不適用于不確定數據流頻繁項集挖掘，而Sketch只適用于頻繁1-項集挖掘，本文結

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論