大數據流滯后相關性挖掘方法.pdf

1、大數據流挖掘作為數據挖掘的一個重要分支，越來越成為人們關注的熱點之一，尤其是隨著網格計算，云計算，特別是大數據的出現，人們對大數據流的處理需求的迫切程度越來越高。
　　本文主要介紹了大數據流挖掘中滯后相關性的概念和方法，介紹了傳統數據流挖掘的相關知識與存在的問題，針對大數據流挖掘中滯后相關性研究工作包括以下兩個方面:
　　第一、本文提出了一種基于級數分層滑動窗口的數據流序列滯后相關性挖掘方法。該方法首先對序列按級數遞增進行分

2、層，在每層上計算滑動窗口的覆蓋度g，之后再對每層的滑動窗口計算序列的參數值;最后根據各層滑動窗口的參數值，計算序列的滯后相關系數，以此來確定序列的滯后相關性，實驗結果表明本文方法是有效的。
　　第二、本文提出了一種基于布爾約減級數分層的數據流滯后相關性挖掘方法。該方法根據原數據流兩段序列的序列均值(x)、(y)，設立flag變量對原數據流序列元素進行標記，對大數據流序列進行宏布爾變換，根據閾值ε剔除元素，并由flag對剩余元素進行

3、還原;其次，根據采樣周期T及得到的宏布爾序列值進行微布爾變換，剔除序列元素后還原。對還原后的微布爾序列按級數遞增進行分層，在每層上根據滑動窗口的寬度g和每次滑動窗口數目c，計算每層序列的參數值;最后根據參數值，計算滯后相關系數，以此來確定序列的滯后相關性。實驗結果表明，本文方法可以大幅度的減少運算時間，在保證精度的情況下提高運算效率。
　　數據流的增長從某種意義上來說是無限量的，不同的階段會有不同的挑戰(zhàn)，在未來的工作中，著重關注算