论文部分内容阅读
由于数据流的高速产生性、强流动性及变化不稳定性的需求，数据流算法应在有限存储空间里实时准确分析数据，提取有用知识。在允许的误差范围内，提出一种有效的数据流频繁项挖掘算法AECFP，通过一种基于频繁项样本的数据结构记录抵达的项目集合，进行快速的保存样本，并在样本空间满时快速删除出现次数最小且最旧的非频繁项，保留相同支持数的其它频繁项。当用户查询频繁项时，快速实时准确挖掘数据流中的频繁项，适应数据波动变化。经过实验证明，该算法在挖掘频繁项时，具有快速的处理能力，满足空间消耗的低存储要求，并能保证数据频繁项的挖