基于時序模式的數(shù)據(jù)挖掘算法研究.pdf

1、近年來,數(shù)據(jù)挖掘相關(guān)的研究領(lǐng)域越來越熱門,除了關(guān)聯(lián)規(guī)則的挖掘外,也有學(xué)者致力于探討時間因子的關(guān)聯(lián)規(guī)則,大致可區(qū)分為消費者購買行為分析、網(wǎng)頁瀏覽分析,以及時間趨勢分析等.而在探討消費者購買行為的時間序列,多借著候選序列的產(chǎn)生及驗證,以漸進的過程來產(chǎn)生頻繁模式,然而驗證的過程必須重復(fù)掃描數(shù)據(jù)庫,也因此造成系統(tǒng)沉重的負擔(dān)而導(dǎo)致效率不佳.由于時序數(shù)據(jù)模式可以看作是關(guān)聯(lián)規(guī)則考慮時間因素后衍生出來的,所以論文先介紹關(guān)聯(lián)規(guī)則,對關(guān)聯(lián)規(guī)則的經(jīng)典定義給出

2、了詳細地描述.數(shù)據(jù)挖掘系統(tǒng)的效率問題是數(shù)據(jù)挖掘研究的重要內(nèi)容之一.經(jīng)典的關(guān)聯(lián)規(guī)則Apriori算法在空間和時間的復(fù)雜性上,有著難以避免的局限性,該文引入了一種基于FP-樹的頻繁模式增長算法,在中間過程中不需要產(chǎn)生候選項的算法,從而避免了反復(fù)掃描數(shù)據(jù)庫時在時間上的開銷.但是,基于時序數(shù)據(jù)的FP-樹算法在數(shù)據(jù)庫中的項目較多,并且含有大量事務(wù)時,內(nèi)存空間的開銷很大,當(dāng)內(nèi)存不能裝入所有模式映射信息時,算法將難以有效地工作.該文為了在時間和空間上