一种减少候选项集的数据流高效用项集挖掘算法

摘要

本发明公开了本发明提供的一种减少候选项集的数据流高效用项集挖掘算法，首先，通过数据流中当前窗口的一次扫描建立一个全局树，并降低全局树中头表入口与节点的冗余效用值；然后，基于全局树生成候选模式，基于增长算法降低局部树的候选项集效用；在候选项集效用中，按照事务集的顺序，依次将第k个事务中的ij项的事务加权效用相加，作为节点ij项的事物加权效用总和，处理次频效用项集，将次频效用项加入到树中；然后通过引入高事务效用阈值与低事务效用阈值，PTUVD存放数据集中的次频效用项集；最后计算实际效用来确定最终的高效用项集。基于真实数据流的实验结果表明，本发明的时空效率与内存占用比均优于其他数据流的高效用模式挖掘算法。