数据点位置低延时智能挖掘方法与仿真

摘要

当前数据位置挖掘方法无法获取全局频繁项目集,导致上述方法存在效率低、时延长等问题。为此提出基于并行FPGrowth算法的数据点位置智能挖掘方法。将并行FP-Growth算法与MAP/Reduce结合,得到优化后的FPPM算法。利用FPPM算法的reducer函数计算事务数据集局部频繁项目集,并将其整合得到全局频繁项目集。计算每个项目集属性,利用增量分类法筛选出最佳属性,统计每个属性出现的概率,构建决策分支树,完成数据点位置的挖掘。以CPU占用率、挖掘时延、信息熵以及可扩展性为测试指标设计仿真。实验结果验证了所提方法在确保较低挖掘时延前提下实现了高效率挖掘,并具有理想的可扩展性。