基于粒度计算的大数据集频繁项挖掘方法

摘要

针对现有挖掘方法存在运行效率低下与精准度受限的问题,提出基于粒度计算的大数据集频繁项挖掘方法.通过分析大数据集中数据流的滑动窗口,得到支持数与频繁项之间的关联性,结合各种粒度计算模型,设计一种可以自适应不同种类粒度的计算方法,并采用六元组对其进行界定.运用能够反映数据特征的模式搜索比率,完成信息窗内结构粒的粒化,利用模式搜索比率的不同取值范围,获取模式搜索具备的属性特征,针对属性集的有序分类,嵌入所生成的子状态序列,通过得到的子状态压缩对象粒重构信息窗,使超级状态得以转换,最终取得频繁项集合.仿真结果表明,所提方法不仅能够提升挖掘精准度,而且缩短了运行时长.