數(shù)據流關聯(lián)規(guī)則挖掘研究及其應用.pdf

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