提高Eclat算法效率的策略

为了提高Eclat算法的效率,从剪枝、项集连接和交叉计数3方面对Eclat算法进行优化.将后缀相同的项集归为一个等价类,使剪枝更充分,剪枝时引入双层哈希表加快搜索候选项集子集的速度;提出项集集合划分链表,以减少项集连接过程中比较判断的环节;提出事务标识(Tid)失去阈值,以加快交叉计数的速度.在此基础上提出一种优化的Eclat_opt算法(ZAKI),把它与Eclat原算法以及其他2种Eclat改进算法Diffset(ZAKI),hEclat(熊忠阳)进行对比实验的结果表明,Eclat_opt算法的效率在稀疏数据集上最高,总体时间性能最好.

基于层次聚类的时间序列在线划分算法

如何在线划分数据序列以满足持续动态增长的海量数据流需求正成为序列挖掘领域中的重要内容之一.本文提出一种新的基于层次聚类的在线序列分割算法(OSHC).利用数据序列的有序性特征,构造一种存储划分特征的链表结构 SF-List.该算法通过一次扫描数据库实现数据序列的在线划分,时间复杂度为 O(n).利用 SF-List中保存的划分特征信息,历史信息的快速查询成为可能.实验结果表明 OSHC 算法具有良好的划分性能和扩展性能.