计算机应用研究

作者：荀亚玲,任姿芊,闫海博,

单位：太原科技大学计算机科学与技术学院,太原030024；

关键词：增量挖掘,高效用序列模式,周期序列模式,序列模式挖掘,

基金：国家自然科学基金面上项目(62272336)；；

周期高效用序列模式挖掘（PHUSPM）因其能够发现时间序列中更具实际价值的规律性模式而备受关注，但现有的PHUSPM算法难以有效地处理数据集的增量更新，且未考虑大规模数据下算法的向下闭包性和复杂性。针对该问题，提出了IncPUS-Miner算法，有效地实现了周期高效用序列模式（PHUSPs）的增量挖掘。IncPUS-Miner引入了一种名为pu-tree的新型数据结构，每个树节点对应一个更新效用列表（UUL）用于存储相应序列的辅助信息，当有增量数据加入时，该结构使得项目信息能够灵活更新，从而增强了算法的动态适应性和可扩展性。此外，还提出了两种新的序列效用上界PUB和EUB，以及两种相应的剪枝策略，有效地减少了计算负担。实验结果表明，在真实数据集上，IncPUS-Miner算法可以有效地增量挖掘PHUSPs，与其他算法相比，在运行效率和内存消耗上展现出了优越的性能。

来源：2024年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第8期