數(shù)據流關聯(lián)規(guī)則挖掘研究及其應用.pdf_第1頁
已閱讀1頁,還剩107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、數(shù)據挖掘是處理海量數(shù)據的一個重要方法,而將其應用到數(shù)據流中是一個具有挑戰(zhàn)性的新興領域.數(shù)據流中的數(shù)據挖掘技術在入侵檢測系統(tǒng),傳感器網絡,電信行業(yè)等領域具有十分廣泛的應用背景,因此開展這方面的研究具有非常重要的現(xiàn)實意義。
   傳統(tǒng)的關聯(lián)規(guī)則挖掘算法只能處理數(shù)據集中的離散屬性而無法處理連續(xù)屬性,這是制約它在實際項目中應用的主要瓶頸之一。在靜態(tài)數(shù)據集中,部分學者提出了離散化、模糊化等方法將連續(xù)屬性加入關聯(lián)規(guī)則挖掘過程中,但是沒有文獻

2、在數(shù)據流環(huán)境中專門研究和討論此問題。因此,本論文通過深入研究數(shù)據流關聯(lián)規(guī)則挖掘問題,提出了模糊關聯(lián)規(guī)則挖掘方法和基于模糊關聯(lián)規(guī)則的實時數(shù)據挖掘體系。具體的研究結果如下:
   1.針對數(shù)據流動態(tài)變化的問題,提出了隸屬度函數(shù)偏移度指標(MFB measure)來度量連續(xù)屬性的當前隸屬度函數(shù)在當前數(shù)據中的合適程度。實驗結果表明,隸屬度函數(shù)偏移度指標能有效地捕捉數(shù)據流中的變化。
   2.針對傳統(tǒng)數(shù)據流關聯(lián)規(guī)則挖掘算法無法將連

3、續(xù)屬性加入挖掘過程中的問題,提出了基于聚類算法的模糊關聯(lián)規(guī)則挖掘算法FFI-Stream。該算法利用隸屬度函數(shù)偏移度指標監(jiān)測隸屬度函數(shù)的合適程度,及時地利用數(shù)據流聚類算法動態(tài)地更新隸屬度函數(shù)。實驗結果表明,FFI-Stream具有較好的性能。
   3.針對FFI-Stream算法無法有效處理具有高維連續(xù)屬性的數(shù)據流的問題,提出基于遺傳算法的數(shù)據流模糊關聯(lián)規(guī)則挖掘算法GA-FFI-Stream。GA-FFI-Stream動態(tài)地維

4、護數(shù)據流中的概要結構,使其適應在數(shù)據流中內存、CPU等資源有限的特點;采用啟發(fā)式信息提高基于遺傳算法提取隸屬度函數(shù)方法的效率。實驗結果表明,該算法能夠克服FFI-Stream算法在連續(xù)屬性高維時性能差的問題。
   4.針對數(shù)據流中的數(shù)據挖掘技術在實際項目中的需求,提出了基于模糊關聯(lián)規(guī)則的實時數(shù)據挖掘體系(Real-time Data Mining System Based on FuzzyAssociation Rules,R

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(lián)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(xiàn)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(lián)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