×
Syed Khairuzzaman Tanbeer;乔杜里·法罕·艾哈迈德;Jeong，再见;李永古

使用前缀树进行高效的单程频繁模式挖掘。 （英语） Zbl 1170.68035号

信息科学。 179，第5期，559-583（2009）.
摘要：使用FP-树的FP-growth算法已经被广泛研究用于频繁模式挖掘，因为与Apriori的候选生成和测试范式相比，它可以显著提高性能。但是，它仍然需要两次数据库扫描，这与高效的数据流处理不一致。本文提出了一种新的树结构，称为CP-tree（紧凑模式树），它通过一次扫描（插入阶段）捕获数据库信息，并提供与FP-growth方法相同的挖掘性能（重构阶段）。CP-树引入了动态树重组的概念，以在运行时生成高度紧凑的降频树结构。本文还提出了一种有效的树重组方法，称为分支排序法，该方法对前缀树分支进行重组。此外，CP-tree还为交互式和增量挖掘提供了完整的功能。大量实验结果表明，CP-tree在单次数据库扫描的情况下，对于频繁模式挖掘、交互式和增量挖掘是有效的。

引用于三文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
第68页，共15页 数据库理论
68吨10 模式识别、语音识别

关键词：

数据挖掘;频繁模式;关联规则;增量挖掘;交互式挖掘

软件：

UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{S.K.Tanbeer}等人，《信息科学》。179，第5号，559--583（2009；Zbl 1170.68035）
全文： 内政部

参考文献：

[1] R.C.Agarwal、C.C.Aggarwal、V.V.V.Prasad，《深度第一代长图案》，载《第六届ACM SIGKDD会议论文集》，2000年，第108-118页。；R.C.Agarwal、C.C.Aggarwal、V.V.V.Prasad，《深度第一代长图案》，载《第六届ACM SIGKDD会议论文集》，2000年，第108-118页。
[2] R.Agrawal，T.Imielnski，A.N.Swami，《挖掘大型数据库中项目集之间的关联规则》，载于：《ACM SIGMOD数据管理会议论文集》，1993年，第207-216页。；R.Agrawal，T.Imielinski，A.N.Swami，大型数据库中项目集之间的关联规则挖掘，收录于：ACM SIGMOD数据管理会议论文集，1993年，第207-216页。
[3] R.Agrawal，R.Srikant，挖掘关联规则的快速算法，摘自：《第20届大型数据库国际会议论文集》，1994年，第487-499页。；R.Agrawal，R.Srikant，挖掘关联规则的快速算法，摘自：《第20届大型数据库国际会议论文集》，1994年，第487-499页。
[4] 布莱克，C.L。；Merz，C.J.，UCI机器学习数据库库（1998），加州大学欧文分校：加州大学欧文欧文分校
[5] T.Brijs，G.Swinnen，K.Vanhoof，G.Wets，《将关联规则用于产品分类决策：案例研究》，载于：《第五届知识发现和数据挖掘国际会议论文集》，圣地亚哥（美国），1999年，第254-260页。；T.Brijs，G.Swinnen，K.Vanhove，G.Wets，《使用关联规则进行产品分类决策：案例研究》，载于《第五届知识发现和数据挖掘国际会议论文集》，圣地亚哥（美国），1999年，第254-260页。
[6] C.H.Chang，S.H.Yang，通过项目集维护增强SWF以进行增量关联挖掘，载于：《亚太知识发现和数据挖掘会议论文集》，2003年。；C.H.Chang，S.H.Yang，通过项目集维护增强SWF以进行增量关联挖掘，载于：《亚太知识发现和数据挖掘会议论文集》，2003年·Zbl 1032.68588号
[7] 陈，E。；曹，H。；李强。；钱，T.，《基于严格聚合约束的序列模式挖掘的有效策略》，信息科学，1781498-1518（2008）·Zbl 1132.68629号
[8] 陈，G。；Wei，Q.，模糊关联规则和扩展挖掘算法，信息科学，147，1-4，201-228（2002）·Zbl 1033.68043号
[9] D.W.Cheung，S.D.Lee，B.Kao，《维护发现关联规则的通用增量技术》，载《第五届高级应用数据库系统国际会议论文集》，1997年，第185-194页。；D.W.Cheung，S.D.Lee，B.Kao，《维护发现关联规则的通用增量技术》，载《第五届高级应用数据库系统国际会议论文集》，1997年，第185-194页。
[10] W.Cheung，O.R.Zaiane，《无候选生成或支持约束的频繁模式增量挖掘》，载《第七届国际数据库工程与应用研讨会论文集》，2003年。；W.Cheung，O.R.Zaiane，无候选生成或支持约束的频繁模式增量挖掘，载于：第七届国际数据库工程与应用研讨会（IDEAS）论文集，2003年。
[11] 科尔莫德，G。；Muthukrishnan，S.，什么是热门的，什么不是：动态跟踪最频繁的项目，ACM数据库系统事务，30，1，249-278（2005）
[12] Grahne，G。；Zhu，J.，使用FP-树进行频繁项集挖掘的快速算法，IEEE知识与数据工程学报，17，10，1347-1362（2005）
[13] Han，J。；Cheng，H。；Xin，D。；Yan，X.，《频繁模式挖掘：现状与未来方向》，《数据挖掘与知识发现》（2007年），第10期
[14] J.Han，G.Dong，G.Yin，时间序列数据库中部分周期模式的高效挖掘，收录于：IEEE国际数据挖掘会议论文集，1999年。；J.Han，G.Dong，G.Yin，时间序列数据库中部分周期模式的高效挖掘，收录于：IEEE国际数据挖掘会议论文集，1999年。
[15] J.Han，J.Pei，Y.Yin，《无候选生成的频繁模式挖掘》，载《2000年ACM SIGMOD国际数据管理会议论文集》，2000年，第1-12页。；J.Han，J.Pei，Y.Yin，《无候选生成的频繁模式挖掘》，载《2000年ACM SIGMOD国际数据管理会议论文集》，2000年，第1-12页。
[16] Hong，T.-P。；林，C.-W。；Wu，Y.-L.，增量快速更新频繁模式树，应用专家系统，34，4，2424-2435（2008）
[17] 胡，T。；Sung，S.Y。；熊，H。；Fu，Q.，最大长度频繁项集的发现，信息科学，17869-87（2008）
[18] H.Huang，X.Wu，R.Relue，数据库扫描关联分析，载《IEEE数据挖掘国际会议论文集》，2002年，第629-632页。；H.Huang，X.Wu，R.Relue，数据库扫描关联分析，载《IEEE数据挖掘国际会议论文集》，2002年，第629-632页。
[19] IBM、QUEST数据挖掘项目、<http://www.almaden.ibm.com/cs/quest>.; IBM、QUEST数据挖掘项目、<http://www.almaden.ibm.com/cs/quest>.
[20] Koh，J.-L。；Shieh，S.-F.，《基于调整FP-树结构维护关联规则的有效方法》，（Lee，Y.-J.；Li，J.；Whang，K.-Y.；Lee，D.，《DASFAA会议记录》（2004），Springer-Verlag:Springer-Verlag Berlin Heidelberg，纽约），417-424
[21] Lee，A.J.T。；Hong，R.W。；Ko，W.M.先生。；曹伟强。；Lin，H.H.，在图像数据库中挖掘空间关联规则，信息科学，177，7，1593-1608（2007）
[22] Lee，A.J.T。；Wang，C.-S.，《挖掘频繁交互模式的有效算法》，信息科学，1773453-3476（2007）
[23] Lee，Y.-S。；Yen，S.-J.，web遍历模式的增量和交互式挖掘，信息科学，178287-306（2008）
[24] Leung，C.K。；Q.I.Khan。；李，Z。；Hoque，T.，CanTree：增量频率模式挖掘的规范有序树，知识与信息系统，11，3，287-311（2007）
[25] Leung，C.K.-S。；Lakshmanan，L.V.S。；Ng，R.T.，使用FP-树开发简洁约束，SIGKDD Explorer，4，1，40-49（2002）
[26] 李晓霞，邓晓霞，唐晓霞，增量数据库中关联规则维护的快速算法，载：ADMA，2006，第56-63页。；李晓霞，邓晓霞，唐晓霞，增量数据库中关联规则维护的快速算法，载：ADMA，2006，第56-63页。
[27] 李强。；冯·L。；Wong，A.，《从内部事务到广义交互事务：关联规则挖掘中的多维环境美化》，信息科学，172361-395（2005）
[28] Lin，M.-Y。；Lee，S.-Y.，通过增量挖掘进行交互式序列发现，信息科学，165187-205（2004）·Zbl 1073.68716号
[29] 刘亚，G。；Lua，H。；Yub，J.X.，《CFP-tree:一种用于存储和查询频繁项集的基于磁盘的紧凑结构》，《信息系统》，32，295-319（2007）
[30] N.F.Ayan A.U.Tansel E.Akrun，《用早期修剪更新大型项集的有效算法》，载于《第五十届ACM SIGKDD国际知识发现和数据挖掘会议论文集》，1999年，第287-291页。；N.F.Ayan A.U.Tansel E.Akrun，《用早期修剪更新大型项集的有效算法》，载于《第五十届ACM SIGKDD国际知识发现和数据挖掘会议论文集》，1999年，第287-291页。
[31] 裴，J。；Han，J。；Lakshmanan，L.V.S.，《带可转换约束的频繁项集挖掘》（Buchmann，A.；Georgakopoulos，D.，《国际数据工程会议论文集》（2001），IEEE计算机学会出版社：IEEE计算机协会出版社，加利福尼亚州洛斯阿拉米托斯），433-442
[32] Tsay，Y.J。；Chiang，J.Y.，挖掘关联规则的高效聚类和分解算法，信息科学，160，1-4，161-171（2004）
[33] Wua，F。；S.W.蒋。；Linb，J.-R.，《使用项转换方法挖掘频繁模式的新方法》，信息系统，32，1056-1072（2007）
[34] 张，S。；张杰。；Zhang，C.，EDUA:一种高效的动态数据库挖掘算法，信息科学，1772756-2767（2007）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。