异构复杂信息网络敏感数据流动态挖掘*
2020-05-04熊菊霞吴尽昭
计算机工程与科学 2020年4期
熊菊霞,吴尽昭
(1.中国科学院成都计算机应用研究所,四川 成都 610041;2.中国科学院大学,北京 100049;3.广西民族大学广西混杂计算与集成电路设计分析重点实验室,广西 南宁 530006)
1 引言
在异构复杂信息网络中,网络基元结构具有差异性,通常包含大量的敏感数据流,从数据流中提取有用特征是十分重要的工作[1]。但是,由于异构网络中不同结构的网络数据存在较强的动态变化,如何对异构复杂信息网络敏感数据流进行有效的动态挖掘,成为现在数据挖掘领域中重要的问题[2]。
专家学者们提出一些关于网络敏感数据流的挖掘方法。茹蓓等人[3]提出一种减少候选项集的数据流挖掘算法,通过数据扫描窗口建立全局树,基于全局树生成数据候选模式,从候选模式中选取出高效用的挖掘模式,完成数据挖掘。刘华成等人[4]提出一种动态调度的延迟敏感流网络挖掘算法,采用能量最小化组合方程来节约挖掘时间,采用分解定界算法来提升分类器处理速度。赵小强等人[5]提出一种基于改进模糊支持向量机FSVM(Fuzzy Support Vector Machine)的数据挖掘分类算法,预选出有效的候选支持向量,并对其进行增强处理,在此基础上设计隶属度函数完成挖掘。刘洋等人[6]对大数据挖掘算法进行分析,根据模型向量的改变量优化数据迭代过程,在不同阶段选择不同的迭代和数据处理方式,以提高挖掘性能。
国外众多学者也对此进行了研究,并取得了较多突出的成果,Malik等人[7]指出,随着数据规模的不断扩大,利用现有的方法进行数据挖掘时,内存往往容易成为瓶颈问题,因此很多科研人员从多个角度对数据挖掘方法进行了改进。……
登录APP查看全文
