频繁模式挖掘是用来挖出海量数据中有价值数据项之间的关系。随着数据采集以及数据处理技术的进步,通讯、医疗等许多领域的应用中数据以不确定数据流的形式存在,不确定数据流的频繁模式挖掘成为了研究的重点。
　　本文对处理不确定数据流的频繁模式挖掘算法进行了相关研究,针对数据的预先处理以及对挖掘树的事后剪枝两个方面对传统的基于前缀树的频繁模式挖掘算法做出了改进。本文的主要工作概括如下:
　　1.阐述了不确定数据流产生的原因和数学模型,归纳总结了现有的频繁模式挖掘算法,分析了传统算法的优点以及改进的方向。
　　2.详细分析了采用后缀支持度的挖掘树结构处理不确定数据流的可行性。给出了一种基于后缀支持度的频繁模式挖掘算法,仿真实验表明基于后缀支持的挖掘算法能够降低挖掘树的规模,相对于传统算法性能更好。
　　3.分析了基于预测模型的事后剪枝算法的特点,结合基于后缀支持度的挖掘算法给出了一种基于预测的事后剪枝算法。仿真实验表明相对于直接剪枝算法,该算法挖掘结果的准确率更高。