数据流频繁模式挖掘及预测技术研究PDF|Epub|txt|kindle电子书版本网盘下载

数据流频繁模式挖掘及预测技术研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

符号1

1绪论3

1.1 数据流产生背景3

1.2 数据流的特点4

1.3 数据流管理系统现状5

1.4 数据流挖掘技术现状7

1.4.1 数据流聚类技术现状7

1.4.2 数据流分类技术现状9

1.4.3 数据流频繁模式挖掘技术现状10

1.4.4 流数据预测查询技术现状12

1.5 数据流研究的意义12

2数据流处理技术15

2.1 数据流处理模型15

2.2 数据流挖掘算法特点17

2.3 常用数据流处理技术17

2.3.1 抽样（Sampling）18

2.3.2 小波方法（Wavelet）19

2.3.3 梗概（Sketching）20

2.3.4 直方图（Histogram）22

2.2.5 概率统计（Probabilistic）23

2.4 数据流时间窗口模型24

2.4.1 快照式窗口（Snapshot Window）24

2.4.2 界标式窗口（Landmark Window）24

2.4.3 滑动式窗口（Sliding Window）25

2.4.4 时间衰退（Damped Windows）模型25

2.5 频繁模式挖掘方法25

2.5.1 经典的静态集合的频繁模式挖掘方法25

2.5.2 数据流频繁模式挖掘算法27

2.6 滑动时间窗口频繁模式挖掘28

2.6.1 主要挑战28

2.6.2 基本概念28

2.7 小结30

3基于保守策略的频繁模式挖掘算法31

3.1 引言31

3.2 保守的频繁模式挖掘策略分析33

3.2.1 流数据窗口33

3.2.2 支持度计算策略34

3.3 保守的频繁模式挖掘策略设计35

3.3.1 RFP－tree结构设计36

3.3.2 增量更新RFP－tree37

3.3.3 RFP－tree树剪枝38

3.3.4 频繁模式输出44

3.4 实验分析45

3.4.1 实验环境45

3.4.2 基本性能分析45

3.4.3 性能比较分析47

3.5 小结49

4基于衰减机制的频繁模式挖掘算法50

4.1 引言50

4.2 基于衰减策略的频繁模式挖掘算法分析51

4.2.1 时间衰减模型51

4.2.2 模型正确性分析52

4.3 基于衰减策略的频繁模式挖掘算法设计57

4.3.1 SW－tree结构设计57

4.3.2 增量更新SW－tree60

4.3.3 SW－tree剪枝61

4.3.4 频繁模式输出63

4.4 实验分析65

4.4.1 实验环境65

4.4.2 基本性能分析66

4.4.3 性能比较分析71

4.5 小结74

5 Top－K频繁模式挖掘算法76

5.1 引言76

5.2 Top－K频繁模式挖掘算法分析78

5.2.1 问题描述与思路78

5.2.2 Chernoff边界理论79

5.2.4 Top－k频繁模式挖掘81

5.2.4 动态选择Supk84

5.3 Top－K频繁模式挖掘算法设计84

5.3.1 SWTP－tree结构设计84

5.3.2 动态维护SWTP－tree88

5.3.3 Top－k频繁模式输出93

5.4 实验分析95

5.4.1 实验环境95

5.4.2 性能对比分析96

5.5 小结103

6基于马尔可夫模型的预测查询算法104

6.1 引言104

6.2 马尔科夫预测模型设计与分析105

6.2.1 模型设计106

6.2.2 模型分析108

6.3 基于马尔可夫模型的预测算法设计110

6.3.1 动态构建SSTD111

6.3.2 数据预处理112

6.3.3 基于马尔可夫模型的数据预测115

6.4 实验分析120

6.4.1 实验环境120

6.4.2 基本性能分析121

6.4.3 性能对比分析126

6.5 小结128

7总结与展望129

7.1 本书总结129

7.2 研究展望131

主要参考文献132