數(shù)據(jù)流頻繁模式挖掘的詳細(xì)資料說(shuō)明

　　一些先進(jìn) 應(yīng)用如欺詐檢測(cè)和趨勢(shì)學(xué)習(xí)等帶來(lái)了數(shù)據(jù)流頻繁模式挖掘的發(fā)展。不同于靜態(tài)數(shù)據(jù)，數(shù)據(jù)流挖掘面臨著時(shí)空約束和項(xiàng)集組合爆炸等問(wèn)題。對(duì)已有數(shù)據(jù)流頻繁模式挖掘算法進(jìn)行綜述并對(duì)經(jīng)典和最新算法進(jìn)行分析。按照模式集合的完整程度進(jìn)行分類，數(shù)據(jù)流中頻繁模式分為全集模式和壓縮模式。壓縮模式主要包括閉合模式、最大模式.top-k 模式以及三者的組合模式。不同之處是閉合模式是無(wú)損壓縮的，而其他模式是有損壓縮的。為了得到有趣的頻繁模式，可以挖掘基于用戶約束的模式。為了處理數(shù)據(jù)流中的新近事務(wù)，將算法分為基于窗口模型和基于衰減模型的方法。數(shù)據(jù)流中模式挖掘常見的還包含序列模式和高效用模式，對(duì)經(jīng)典和最新算法進(jìn)行介紹。最后給出了數(shù)據(jù)流模式挖掘的下一步工作。

　　在一些新興的應(yīng)用場(chǎng)景下，例如智能城市、大型基礎(chǔ)設(shè)施監(jiān)控、物聯(lián)網(wǎng)等，數(shù)據(jù)產(chǎn)生的速度越來(lái)越快。數(shù)據(jù)流（ datastream）被認(rèn)為是高速率數(shù)據(jù)，通常被認(rèn)為是大數(shù)據(jù)，它是無(wú)限的、快速的變化的和有序的。在某些環(huán)境下，數(shù)據(jù)流的處理方法必須快速且能適應(yīng)變化。數(shù)據(jù)流模型面臨的主要約束“包括：

　　1）數(shù)據(jù)量巨大，可以認(rèn)為是無(wú)限的。因此，無(wú)法存儲(chǔ)所有的數(shù)據(jù)。合理的方法是存儲(chǔ)數(shù)據(jù)的概要信息。

　　2）數(shù)據(jù)到達(dá)的速度快。因此，需要實(shí)時(shí)處理數(shù)據(jù)，且處理后數(shù)據(jù)即被丟棄。

　　3）數(shù)據(jù)項(xiàng)的分布可能隨著時(shí)間而變化。因此，歷史數(shù)據(jù)會(huì)變得無(wú)用甚至有害。