基于动态最小支持度的增量频繁序列挖掘

TP311.1; 在轨迹数据集有新增数据且最小支持度变更情况下,为了实现频繁轨迹集能够快速更新以及解决轨迹数据库占用大量存储空间的问题,提出基于动态最小支持度的增量频繁序列挖掘算法.该算法能够充分利用频繁轨迹集信息,在有新增轨迹数据加入原始轨迹数据集且最小支持度变更时,通过频繁轨迹序列与频繁1序列相连接生成候选序列,利用非频繁轨迹后缀子序列置信度来估计非频繁轨迹支持度,实现动态更新频繁项集,并且在挖掘频繁轨迹后不再需要保存原始轨迹数据.通过轨迹数据集的挖掘实验,验证了本文算法支持度估计的精度和算法的有效性....

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 50; no. 2; pp. 257 - 263
Main Authors 贺帆, 刘漫丹, 钟超
Format Journal Article
LanguageChinese
Published 华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237 01.05.2024
Subjects
动态数据
PrefixSpan
内存开销
dynamic data
最小支持度
minimum support
频繁轨迹
memory overhead
frequent trajectory
Online AccessGet full text

Cover

More Information
Summary:TP311.1; 在轨迹数据集有新增数据且最小支持度变更情况下,为了实现频繁轨迹集能够快速更新以及解决轨迹数据库占用大量存储空间的问题,提出基于动态最小支持度的增量频繁序列挖掘算法.该算法能够充分利用频繁轨迹集信息,在有新增轨迹数据加入原始轨迹数据集且最小支持度变更时,通过频繁轨迹序列与频繁1序列相连接生成候选序列,利用非频繁轨迹后缀子序列置信度来估计非频繁轨迹支持度,实现动态更新频繁项集,并且在挖掘频繁轨迹后不再需要保存原始轨迹数据.通过轨迹数据集的挖掘实验,验证了本文算法支持度估计的精度和算法的有效性.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20221231001