不确定数据流最大频繁项集挖掘算法研究

• 作者: 候明利 刘慧婷 姚晟 赵鹏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 不确定性数据流 最大频繁项集 超集检测
• 年，卷（期）: 2016,（19）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 72-77,93
• 页数: 7页
• 分类号: TP311
• 字数: 6122字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1501-0238

摘要

对于大型数据，频繁项集挖掘显得庞大而冗余，挖掘最大频繁项集可以减少挖出的频繁项集的个数。可是对于不确定性数据流，传统判断项集是否频繁的方法已不能准确表达项集的频繁性，而且目前还没有在不确定数据流上挖掘最大频繁项集的相关研究。因此，针对上述不足，提出了一种基于衰减模型的不确定性数据流最大频繁项集挖掘算法TUFSMax。该算法采用标记树结点的方法，使得算法不需要超集检测就可挖掘出所有的最大频繁项集，节约了超集检测时间。实验证明了提出的算法在时间和空间上具有高效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵鹏	安徽大学计算机科学与技术学院	61	683	15.0	24.0
2	刘慧婷	安徽大学计算机科学与技术学院	64	1093	15.0	31.0
3	姚晟	安徽大学计算机科学与技术学院	26	191	10.0	13.0
4	候明利	安徽大学计算机科学与技术学院	1	10	1.0	1.0