基于滑动窗口的含负项高效用模式挖掘方法

现有的面向数据流的高效用模式挖掘方法局限性之一在于假定数据都带有正的效用值,且在挖掘过程中使用效用列表会消耗大量的时间和内存。为了解决以上问题,首次提出在数据流中挖掘含负项的高效用模式挖掘算法,在算法中设计了一种新颖的列表索引结构(list index structure,LIS),LIS包括数据段和索引段,依据索引段中的索引值以及项集中的正负效用值,在滑动窗口中可快速访问或更新数据段并及时剪枝,有效挖掘含负项的高效用模式,以此来提升算法的时空性能。进行了广泛的实验评估来验证算法的效率,实验结果表明,提出算法在内存消耗及运行时间方面均表现出良好的性能。

一种新的J2EE大数据量访问设计模式

论文在分析比较分页迭代和值列表处理器等两种J2EE大数据量访问模式的基础上,提出了一种新的大数据量访问模式———索引列表处理器模式。实验结果表明,索引列表处理器模式具有较短的访问响应时间和较好的伸缩性。

基于索引列表的增量高效用模式挖掘算法

基于效用列表的高效用模式挖掘算法主要局限性在于创建和维护效用列表非常耗时,原因是建立了大量的列表,且列表之间连接操作成本较高。为了解决这个问题,提出一种索引列表结构,可以依据索引值快速访问并更新存储在列表中的信息,并提出一种基于索引列表的增量高效用模式挖掘算法,在挖掘过程中加快挖掘速度并减少内存消耗。试验结果表明,所提出算法在增量式挖掘过程中能有效减少时空性能消耗,且索引列表结构表现出比普通列表更优异的性能。在多种数据集中,运行时间平均提高43%,内存平均减少20%,且在不同的数据插入率条件下具有稳定的性能。