一种新的数据流频繁度变化趋势预测算法
如何在数据流中准确、高效地对数据对象变化趋势进行预测是数据流挖掘领域近年来的研究热点与难 点之一。针对数据对象在数据流中的频繁度变化趋势预测问题，本文提出一种新的最大最小频率时间窗模型， 并设计了一种新的最大最小频繁模式树结构MMFP-Tree(Max-Min-Frequency Pattern Tree)，存储数据流概 要信息；提出一种新的数据对象频繁度变化趋势衡量指标——频繁度变化率FCR(Frequency Changing Rate)， 定量地对数据对象的频繁度变化趋势进行描述；进而提出一种预测数据对象频繁度变化趋势的最大最小频繁趋 势预测算法MMFTP(Max-Min-Frequency Tendency Prediction)。通过一定的转化，该算法能够对数据流分 类置信度变化趋势及传统的指数变化趋势进行预测。通过在真实的网络点击数据流土的仿真实验，证明了该算 法的有效性。
数据流 最大最小频率模型 趋势预测 频繁度变化率
郭立超 苏宏业 缑倩雯
浙江大学智能系统与控制研究所 杭州 310027 浙江大学公共管理学院 杭州 310027
国内会议
南京
中文
1484-1495
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）