基于同步频繁树的时间序列关联规则分析

• 作者: 李海林 龙芳菊
• 来源期刊: 智能系统学报
• 关键词: 时间序列 线性分段 趋势项-位置 事务集表示 频繁项集 同步频繁树 关联规则 时间效率
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 知识工程|Knowledge Engineering
• 页码范围: 502-510
• 页数: 9页
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.11992/tis.202008012

摘要

针对经典算法Apriori和频繁模式增长算法(frequent pattern growth,FP-growth)不能直接对时间序列数据进行关联规则挖掘的问题,提出一种同步频繁树算法(synchronize frequent tree,SFT).利用时间序列的时间属性具有一维性的特点,定义趋势项-位置表示法表示时间序列数据,将首条时间序列构建成一棵基础树,通过计算树叶子节点与列表项的信息交集,可判断其是否与该树枝中的所有节点构成频繁K项集.在SFT算法中,用趋势项-位置表示的数据内存占用情况要优于原始数据,并且在挖掘过程中不会产生候选频繁项集,使得算法在整个挖掘过程中表现出较好的时间性能.基于商品数据和股票数据的数值实验表明,SFT算法所得结果不仅与其他5种对比算法的结果一致,在各量级的数据和不同的支持度计数中,其时间复杂度都要优于对比算法.