数据流上一种单遍扫描频繁模式树结构

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (2): 152-154.

• 数据库、数据挖掘、机器学习 • 上一篇下一篇

数据流上一种单遍扫描频繁模式树结构

谭军1，2，卜英勇1，陈爱斌2

1.中南大学机电工程学院，长沙 410083
2.中南林业科技大学计算机与信息工程学院，长沙 412006

出版日期:2013-01-15 发布日期:2013-01-16

Efficient frequent pattern tree structure over data streams

TAN Jun1，2, BU Yingyong1, CHEN Aibin2

1.College of Mechanical & Electrical Engineering, Central South University, Changsha 410083, China
2.College of Computer Science and Information Technology, Central South University of Forestry and Technology University, Changsha 412006, China

Online:2013-01-15 Published:2013-01-16

摘要/Abstract

摘要： 针对频繁模式增长算法无法适应数据流的无限性和流动性的特点，提出一种新颖的FP-tree的变形结构——FPS-tree，只需单遍扫描便能获取当前窗口的全部数据库信息。为了在滑动窗口时有效地删除过期窗格和插入新窗格，提出一个新颖的概念——“尾结点”，FPS-tree中每条路径上的窗格信息只保持在尾结点里。实验结果表明FPS-tree的压缩性能要优于其他单遍扫描的前缀树结构。

关键词: 数据流, 频繁模式增长算法, 单遍扫描模式树, 尾结点

Abstract: Aiming at the problem that FP-growth algorithm can not adapt to the data stream with the characteristics of infinity and fluidity, this paper presents a novel variation structure of FP-tree called FPS-tree, which captures all database information in current window with one scan. For effectively deleting expired panes in sliding window, a novel concept-“tail-node” is proposed, so the information on pane in every path of FPS-tree is only retained in the tail-node. Experimental results show that compact performance of the FPS-tree is better than other prefix-tree structure with one scan.

Key words: data stream, Frequent Pattern（FP）-growth algorithm, single-pass pattern tree, tail-node

谭军1，2，卜英勇1，陈爱斌2. 数据流上一种单遍扫描频繁模式树结构[J]. 计算机工程与应用, 2013, 49(2): 152-154.

TAN Jun1，2, BU Yingyong1, CHEN Aibin2. Efficient frequent pattern tree structure over data streams[J]. Computer Engineering and Applications, 2013, 49(2): 152-154.

[1]	王俊红，郭亚慧. 面向动态数据块的非平衡数据流分类算法[J]. 计算机工程与应用, 2021, 57(13): 124-129.
[2]	周玉，朱文豪，房倩，白磊. 基于聚类的离群点检测方法研究综述[J]. 计算机工程与应用, 2021, 57(12): 37-45.
[3]	徐清妍，何丽，朱泓西. 改进Hoeffding不等式的概念漂移检测方法[J]. 计算机工程与应用, 2020, 56(19): 55-61.
[4]	胡阳，胡学钢，李培培. 基于Spark的快速短文本数据流分类方法[J]. 计算机工程与应用, 2020, 56(14): 138-147.
[5]	宋峣1，2，3，孙小涓1，2，3，胡玉新1，2，3，雷斌1，2，3，卢晓军4. 基于流式计算的遥感卫星数据快视处理方法[J]. 计算机工程与应用, 2019, 55(10): 77-82.
[6]	郑逢斌1，朱青1，2，臧文乾2. 一种XML驱动的遥感产品生产并发数据流模型[J]. 计算机工程与应用, 2018, 54(24): 266-270.
[7]	杨融泽，柳毅. 面向异常数据流的多分类器选择集成方法[J]. 计算机工程与应用, 2018, 54(2): 107-113.
[8]	魏子衿1，2，3，肖丽2，3. 改进顶点聚类方法的并行核外模型简化算法[J]. 计算机工程与应用, 2018, 54(13): 181-190.
[9]	刘骁，刘辉平，金澈清. 面向不确定数据流的近似ER-Topk查询处理[J]. 计算机工程与应用, 2017, 53(4): 98-105.
[10]	韩崇1，袁颖珊2，梅焘2，耿慧玲2. 基于K-means的数据流离群点检测算法[J]. 计算机工程与应用, 2017, 53(3): 58-63.
[11]	杨小川，姜军，马晓东，漆锋滨. 基于GCC关键变量数据流分析算法的程序切片技术[J]. 计算机工程与应用, 2017, 53(24): 40-47.
[12]	史荧中1，2，曹建峰2，邓赵红1，蒋亦樟1. 面向数据流分类的柔性漂移支持向量机[J]. 计算机工程与应用, 2017, 53(23): 118-122.
[13]	李少波1，2，孟伟1，璩晶磊1. 基于密度的异常数据检测算法GSWCLOF[J]. 计算机工程与应用, 2016, 52(19): 7-11.
[14]	刘慧婷，候明利，赵鹏，姚晟. 不确定数据流最大频繁项集挖掘算法研究[J]. 计算机工程与应用, 2016, 52(19): 72-77.
[15]	徐正国，郑辉，邓月华. 基于ACD模型的网络数据流时域微观特性分析[J]. 计算机工程与应用, 2016, 52(17): 11-15.

数据流上一种单遍扫描频繁模式树结构

Efficient frequent pattern tree structure over data streams

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics