改进的多数据流协同频繁项集挖掘算法

来源：计算机应用杂志2016年第7期北京时间：

作者：王鑫, 刘方爱

单位：1. 山东师范大学 信息科学与工程学院, 济南 250014;2. 山东省分布式计算机软件新技术重点实验室(山东师范大学), 济南 250014

摘要：针对已有的多数据流协同频繁项集挖掘算法存在内存占用率高以及发现频繁项集效率低的问题，提出了改进的多数据流协同频繁项集挖掘（MCMD-Stream）算法。首先，该算法利用单遍扫描数据库的字节序列滑动窗口挖掘算法发现数据流中的潜在频繁项集和频繁项集；其次，构建类似频繁模式树（FP-Tree）的压缩频繁模式树（CP-Tree）存储已发现的潜在频繁项集和频繁项集，同时更新CP-Tree树中每个节点生成的对数倾斜时间表中的频繁项计数；最后，通过汇总分析得出在多条数据流中多次出现的且有价值的频繁项集，即协同频繁项集。相比A-Stream和H-Stream算法，MCMD-Stream算法不仅能够提高多数据流中协同频繁项集挖掘的效率，并且还降低了内存空间的使用率。实验结果表明MCMD-Stream算法能够有效地应用于多数据流的协同频繁项集挖掘。

关键词：流数据挖掘,多数据流,滑动窗口,频繁项集,协同频繁项集

基金资助：国家自然科学基金资助项目（61572301，90612003）；山东省自然科学基金资助项目（ZR2013FM008）。