作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文针对流量测量的可扩展性问题,基于"数据挖掘"中"频繁模式挖掘"相关理论,提出了一种"挖掘最频繁的K个流"的Mining Top-K算法.该算法基于推广的Bloom Filter的数据结构,能够较为准确地筛选出数据流中出现最频繁的K个流,并估算这K个元素的出现频数.实验结果表明该方法在具有低空间复杂度特性的同时又不会失去准确性.
推荐文章
基于Hadoop的大数据频繁模式挖掘算法
Hadoop
频繁模式
大数据
基于XML数据的频繁模式挖掘算法
XML
数据挖掘
频繁模式
算法
基于矩阵的最大频繁模式挖掘及其更新算法
关联规则
FP-array
最大频繁模式
最小支持度
基于FP_tree的最大频繁模式挖掘算法的改进
数据挖掘
最大频繁模式
改进
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于频繁模式挖掘的流量测量算法
来源期刊 高性能计算技术 学科 工学
关键词 流量测量 Top-k BloomFilter
年,卷(期) 2008,(6) 所属期刊栏目 高性能计算热点技术
研究方向 页码范围 36-39
页数 4页 分类号 TP393
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 金宏 3 0 0.0 0.0
2 林海 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1970(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
流量测量
Top-k
BloomFilter
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
高性能计算技术
双月刊
32-1679/TP
江苏省无锡33信箱353号
chi
出版文献量(篇)
1235
总下载数(次)
12
总被引数(次)
1405
论文1v1指导