扩展算法在频繁行为模式分析中的优化研究

摘要

对电子穿戴设备标准实时数据库进行频繁行为模式分析,主要通过多维度数据分析来获得更高的识别精度和识别效率.提出一种可扩展的频繁行为模式分析算法,先将采集数据转换为所定义的实体模式,对实体数据进行位置状态检测和时间转换的时空预处理;然后利用滑动窗口对时空预处理后的数据构建相似实体组,并过滤寿命周期过短的组来构建用户配置文件;最终实现模式分析识别.仿真结果表明,对比est Des+和Stream Mining两种算法,新算法能有效的提高频繁行为模式分析的识别精度和识别效率.