主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
王伟平,李建中,张冬冬,郭龙江.一种有效的挖掘数据流近似频繁项算法.软件学报,2007,18(4):884-892
一种有效的挖掘数据流近似频繁项算法
An Efficient Algorithm for Mining Approximate Frequent Item over Data Streams
投稿时间:2006-04-14  修订日期:2006-05-16
DOI:
中文关键词:  数据流  数据挖掘  频繁项  ε-近似
英文关键词:data stream  data mining  frequent item  ε-approximate
基金项目:Supported by the Key Program of the National Natural Science Foundation of China under Grant No.60533110 (国家自然科学基金重点项目); the National Natural Science Foundation of China under Grant No.60473075 (国家自然科学基金); the Key Program of Natural Science Foundation of Heilongjiang Province of China under Grant No.zjg03-05 (黑龙江省自然科学基金); the Program for New Century Excellent Talents in University of China under Grant No.NCET-05-0333 (新世纪优秀人才支持计划)
作者单位
王伟平 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
李建中 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001
黑龙江大学,计算机科学与技术学院,黑龙江,哈尔滨,150080 
张冬冬 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
郭龙江 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001
黑龙江大学,计算机科学与技术学院,黑龙江,哈尔滨,150080 
摘要点击次数: 4309
全文下载次数: 4712
中文摘要:
      数据流频繁项是指在数据流中出现频率超出指定阈值的数据项.查找数据流频繁项在网络故障监测、流数据分析以及流数据挖掘等多个领域有着广泛的应用.在数据流模型下,算法只能一遍扫描数据,并且可用的存储空间远远小于数据流的规模,因此,挖掘出所有准确的数据流频繁项通常是不可能的.提出一种新的挖掘数据流近似频繁项的算法.该算法的空间复杂性为O(ε-1),每个数据项的平均处理时间为O(1),输出结果的频率误差界限为ε(1-s+
英文摘要:
      A frequent item of a data stream is a data point whose occurrence frequency is above a given threshold. Finding frequent item of data stream has wide applications in various fields, such as network traffic monitor, data stream OLAP and data stream mining, etc. In data stream model, the algorithm can only scan the data in one pass and the available memory space is very limited relative to the volume of a data stream, therefore it is usually unable to find all the accurate frequent items of a data stream. This paper proposes a novel algorithm to find ε-approximate frequent items of a data stream, its space complexity is O(ε-1) and the processing time for each item is O(1) in average. Moreover, the frequency error bound of the results returned by the proposed algorithm is ε(1-s+ε)N. Among all the existed approaches, this method is the best.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利