一种基于Chernoff Bound的数据流上近似频繁项集的挖掘方法

摘要：

数据流高速、无限和动态的特点决定了必须在有限的内存中以尽快的计算速度完成流数据上的频繁项集挖掘.将数据流中的数据按照段进行划分,采用二元组列表的数据结构进行保存,提出了一种基于滑动窗口的近似频繁项集挖掘方法AFIoDS,以实时获取频繁项集集合的真子集,并引入了概率参数,利用Chernoff Bound来动态改变支持度的近似值,保证真子集中的频繁项集被限制在一定的误差范围之内.此外,为了进一步节省内存,AFIoDS采用闭合项集的形式压缩每个段中获取的频繁项集.通过在3种真实数据集上的实验表明,AFIoDS算法与现有算法相比,在精度没有下降的情况下,具有更快的处理速度,同时其存储开销大大降低.

关键词：Chernoff Bound、数据流、频繁项集

所属期刊栏目：38

分类号：TP312(计算技术、计算机技术)

资助基金：中央财经大学"211工程"三期资助

在线出版日期：2011-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：164-168