【摘要】：首次對界標窗口下數據流最大規(guī)范模式挖掘問題進行了研究.為了克服na6ve算法在處理該問題時不具有增量計算的缺點,提出了一種基于邊界界標窗口技術的數據流最大規(guī)范模式挖掘(data stream maximal regular patterns mining based on boundary landmark window,DSMRM-BLW)算法.該算法將數據流上的第1個待處理窗口定義為邊界界標窗口,使用na6ve算法對其進行處理;之后每個窗口上的最大規(guī)范模式都可以基于前一個窗口上的最大規(guī)范模式集合增量獲得,可以克服na6ve算法的缺點.實驗結果表明:DSMRM-BLW算法是處理界標窗口下數據流最大規(guī)范模式挖掘的有效方法,與na6ve算法相比,具有相同的執(zhí)行結果,但時間與空間效率得到了很大的提高.
[Abstract]:For the first time, the mining problem of the maximum canonical pattern of data flow under the boundary window is studied for the first time. In order to overcome the shortcoming that the na6ve algorithm does not have incremental computation in dealing with this problem, a new (data stream maximal regular patterns mining based on boundary landmark window-window DSMRM-BLW algorithm based on boundary marker window technique is proposed. The algorithm defines the first processing window on the data stream as the boundary marker window and uses na6ve algorithm to process it. After that, the maximum canonical pattern on each window can be obtained based on the increment of the maximum gauge pattern set on the previous window, which can overcome the shortcoming of na6ve algorithm. The experimental results show that the na6ve algorithm is an effective method to mine the maximum canonical pattern of the data stream under the boundary marker window. Compared with the na6ve algorithm, the algorithm has the same execution results, but the efficiency of time and space has been greatly improved.
【作者單位】： 東北大學計算機科學與工程學院;醫(yī)學影像計算教育部重點實驗室(東北大學);內蒙古大學計算機學院;
【基金】：國家自然科學基金項目(60903159,61173153,61402096,61163011,61262082,61662054) 中央高�；究蒲袠I(yè)務費專項資金項目(N110818001,N100218001,N130504007,N120104001) 國家“八六三”高技術研究發(fā)展計劃基金項目(2015AA016005) 沈陽市科技計劃項目(1091176-1-00) 內蒙古自然科學基金項目(2015MS0612)~~
【分類號】：TP311.13

【相似文獻】

相關期刊論文 前10條

1 王宇新;田佳;郭禾;吳樹朋;楊元生;;應用模糊方法的設計模式挖掘策略研究[J];計算機工程與應用;2010年02期

2 陸億紅;王子仁;黃燕;;適合稀少空間特征的同位模式挖掘算法[J];浙江工業(yè)大學學報;2007年04期

3 郭燕萍;辛伯宇;;高選票例外模式挖掘研究與實現(xiàn)[J];電腦開發(fā)與應用;2007年08期

4 徐顯九;楊燕;岳愛萍;;高效的用戶移動模式挖掘方法[J];計算機應用研究;2007年09期

5 李帆;夏士雄;張磊;;基于模糊理論的不確定軌跡模式挖掘[J];微電子學與計算機;2011年08期

6 李中元;邊馥苓;;空間同位模式挖掘研究進展[J];地理空間信息;2013年06期

7 邢東山,沈鈞毅,宋擒豹;用戶瀏覽偏愛模式挖掘算法的研究[J];西安交通大學學報;2002年04期

8 劉洪輝;吳岳芬;;用戶行為模式挖掘問題的研究[J];計算機技術與發(fā)展;2006年05期

9 付曉翠;許盈;車路;;游戲訪問模式挖掘的研究與應用[J];鄭州大學學報(理學版);2007年04期

10 顏一鳴;郭鑫;李仁發(fā);;一種非確定樹模式挖掘算法[J];計算機工程與應用;2011年15期

相關會議論文 前10條

1 王肅;杜軍平;高田;;基于本體與知識背景的模式挖掘框架研究[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

2 繆裕青;尹東;;分布式存儲結構的頻繁閉合模式挖掘并行算法[A];2007年全國開放式分布與并行計算機學術會議論文集(下冊)[C];2007年

3 王淼;尚學群;謝華博;李戰(zhàn)懷;;行常量差異共表達基因模式挖掘算法研究[A];第29屆中國數據庫學術會議論文集（B輯）（NDBC2012）[C];2012年

4 劉玉葆;蔡嘉榮;印鑒;黃志蘭;;基于最大訪問模式挖掘的數據庫異常行為檢測[A];第二十三屆中國數據庫學術會議論文集（研究報告篇）[C];2006年

5 陸葉;王麗珍;陳紅梅;趙麗紅;;基于可能世界的不確定空間co-location模式挖掘研究[A];NDBC2010第27屆中國數據庫學術會議論文集(B輯)[C];2010年

6 王麗珍;陸葉;陳紅梅;肖清;;基于前綴樹結構的空間co-location模式挖掘算法研究[A];NDBC2010第27屆中國數據庫學術會議論文集(B輯)[C];2010年

7 胡偉成;曹三省;李丹;;一種基于QPop增量時域分割升維的媒體內容應用模式挖掘改進算法[A];第二十二屆中國數據庫學術會議論文集（技術報告篇）[C];2005年

8 薛丹;李德敏;裴仁林;;移動計算中基于PrefixSpan算法的用戶移動模式挖掘[A];第二十一屆中國數據庫學術會議論文集（技術報告篇）[C];2004年

9 宋國杰;馬帥;唐世渭;楊冬青;;基于模式挖掘的交通預測模型[A];第十九屆全國數據庫學術會議論文集（技術報告篇）[C];2002年

10 夏慶;馬元元;孫志揮;;路徑遍歷模式挖掘方法的改進[A];第十六屆全國數據庫學術會議論文集[C];1999年

相關重要報紙文章 前1條

1 辛苑薇;誰將分享“大數據”的智慧盛宴？[N];21世紀經濟報道;2012年

相關博士學位論文 前7條

1 Shafqat Ali Shad;移動用戶軌跡與行為模式挖掘方法研究[D];中國科學技術大學;2013年

2 錢烽;同位模式挖掘研究[D];浙江大學;2012年

3 劉勇;圖模式挖掘技術的研究[D];哈爾濱工業(yè)大學;2010年

4 覃桂敏;復雜網絡模式挖掘算法研究[D];西安電子科技大學;2012年

5 王樂;數據流模式挖掘算法及應用研究[D];大連理工大學;2013年

6 林耀進;多源環(huán)境中數據預處理與模式挖掘的研究[D];合肥工業(yè)大學;2014年

7 曾海泉;時間序列挖掘與相似性查找技術研究[D];復旦大學;2003年

相關碩士學位論文 前10條

1 楊陽;云計算環(huán)境下時空軌跡伴隨模式挖掘研究[D];南京師范大學;2015年

2 李海;基于用戶軌跡數據的周期活動模式挖掘[D];江蘇科技大學;2015年

3 周青峰;云計算環(huán)境下的模式挖掘算法研究[D];浙江工商大學;2015年

4 陳瑞;基于分治子圖和極大有序團樹的co-location模式挖掘研究[D];云南大學;2015年

5 尹騰騰;軟件執(zhí)行軌跡中行為模式挖掘算法研究[D];燕山大學;2015年

6 陳明福;縮小候選集的Top-k高效模式挖掘算法研究[D];重慶大學;2015年

7 張子瀚;面向大數據的高效用模式挖掘方法研究[D];北方工業(yè)大學;2016年

8 張剛領;一種基于團的閉頻繁Co-location模式挖掘方法[D];云南大學;2016年

9 江萬國;基于領域驅動的空間高效用Co-location模式挖掘[D];云南大學;2016年

10 吳錫宇;基于約束的城市co-location模式挖掘[D];云南大學;2016年

，

本文編號：2131463