SAWEP:带自适应滑动时窗的数据流事件预测算法

摘要：

　　数据流事件预测在互联网、物联网和实时监控等领域有着重要的应用。现有数据流事件预测方法通常基于大小固定的滑动时窗和频繁事件情节挖掘,因而不能正确反映数据流事件发生模式的变化,缺乏对稀有事件规则的发现能力。针对这两个问题,首先提出一种适用于数据流事件情节挖掘的自适应时窗算法,根据事件发生模式变化动态调整时窗大小,进而提高事件规则挖掘的正确率；其次提出替代支持度的概念,在不影响频繁情节支持度的前提下提高非频繁情节的支持度,实现同步挖掘频繁和稀有事件规则；在此基础上,实现带自适应滑动时窗的数据流事件预测算法(self-adapting sliding time window for events prediction,SAWEP),并用实验验证了算法的有效性。

关键词： 数据流事件 预测算法 信息管理 自适应滑动时窗

作者: Hu Zhongyi 胡仲义 Guo Chao 郭超 Li Kun 李坤 Luo Xiongfe 罗雄飞 Wang Hongan 王宏安

作者单位: Institute o f Software, Chinese Academy of Sciences, Beijing 100190 中国科学院软件研究所 北京 100190

会议类型: 国内会议

会议名称: 第29届中国数据库学术会议

会议地点: 合肥

会议语种:中文

页码: 163-170

在线出版日期: 2012-10-01（万方平台首次上网日期，不代表论文的发表时间）