改進(jìn)的多數(shù)據(jù)流協(xié)同頻繁項(xiàng)集挖掘算法

　　針對(duì)已有的多數(shù)據(jù)流協(xié)同頻繁項(xiàng)集挖掘算法存在內(nèi)存占用率高以及發(fā)現(xiàn)頻繁項(xiàng)集效率低的問題，提出了改進(jìn)的多數(shù)據(jù)流協(xié)同頻繁項(xiàng)集挖掘（ MCMD-Stream）算法。首先，該算法利用單遍掃描數(shù)據(jù)庫(kù)的字節(jié)序列滑動(dòng)窗口挖掘算法發(fā)現(xiàn)數(shù)據(jù)流中的潛在頻繁項(xiàng)集和頻繁項(xiàng)集；其次，構(gòu)建類似頻繁模式樹（ FP-Tree）的壓縮頻繁模式樹（CP-Tree）存儲(chǔ)已發(fā)現(xiàn)的潛在頻繁項(xiàng)集和頻繁項(xiàng)集，同時(shí)更新CP-Tree樹中每個(gè)節(jié)點(diǎn)生成的對(duì)數(shù)傾斜時(shí)間表中的頻繁項(xiàng)計(jì)數(shù)；最后，通過匯總分析得出在多條數(shù)據(jù)流中多次出現(xiàn)的且有價(jià)值的頻繁項(xiàng)集，即協(xié)同頻繁項(xiàng)集。相比A-Stream和H-Stream算法，MCMD-Stream算法不僅能夠提高多數(shù)據(jù)流中協(xié)同頻繁項(xiàng)集挖掘的效率，并且還降低了內(nèi)存空間的使用率。實(shí)驗(yàn)結(jié)果表明MCMD-Stream算法能夠有效地應(yīng)用于多數(shù)據(jù)流的協(xié)同頻繁項(xiàng)集挖掘。