網(wǎng)上銀行數(shù)據(jù)流頻繁模式挖掘算法研究及應(yīng)用.pdf

1、隨著信息技術(shù)的發(fā)展，如何從爆炸性增長(zhǎng)與動(dòng)態(tài)變化的海量數(shù)據(jù)中獲取信息與知識(shí)，已經(jīng)成為了企業(yè)乃至國(guó)家獲得核心競(jìng)爭(zhēng)力的關(guān)鍵。數(shù)據(jù)挖掘技術(shù)就是為了解決這一問(wèn)題產(chǎn)生的人工智能技術(shù)。但是在股票證券交易的欺詐監(jiān)控、金融轉(zhuǎn)賬的風(fēng)險(xiǎn)控制、傳感器檢測(cè)以及信用卡詐騙的預(yù)警等應(yīng)用場(chǎng)景中提出了更高的實(shí)時(shí)性要求。針對(duì)這些應(yīng)用場(chǎng)景在上個(gè)世紀(jì)末提出了數(shù)據(jù)流的概念。與傳統(tǒng)的數(shù)據(jù)庫(kù)不同，數(shù)據(jù)流是連續(xù)、有序、無(wú)限的，并且數(shù)據(jù)流上的查詢具有很高的實(shí)時(shí)性要求，通常只允許一次或很

2、少次數(shù)的掃描。利用有限系統(tǒng)資源對(duì)海量的數(shù)據(jù)流進(jìn)行快速處理以獲取有用信息，為數(shù)據(jù)挖掘研究帶來(lái)了新的機(jī)遇和挑戰(zhàn)。
　　 本文針對(duì)網(wǎng)上銀行數(shù)據(jù)流頻繁模式挖掘及相關(guān)技術(shù)進(jìn)行了研究。重點(diǎn)研究了以下幾個(gè)問(wèn)題：現(xiàn)有的數(shù)據(jù)流模型和數(shù)據(jù)流頻繁模式挖掘算法；金融網(wǎng)上銀行數(shù)據(jù)流的結(jié)構(gòu)特點(diǎn)、數(shù)據(jù)特征及其數(shù)據(jù)模型研究；改進(jìn)LossyCounting算法提高算法的動(dòng)態(tài)性；利用基于散列表的數(shù)據(jù)流頻繁模式挖掘算法MFS-HT挖掘數(shù)據(jù)流頻繁模式；網(wǎng)上銀行數(shù)據(jù)流數(shù)

3、據(jù)結(jié)構(gòu)，以及頻繁模式挖掘系統(tǒng)設(shè)計(jì)開(kāi)發(fā)等。本文研究?jī)?nèi)容和創(chuàng)新工作主要包括以下幾個(gè)方面：
　　 首先，對(duì)數(shù)據(jù)流挖掘及其模型等相關(guān)理論進(jìn)行研究，總結(jié)出目前該領(lǐng)域的最新研究成果，通過(guò)網(wǎng)上銀行數(shù)據(jù)流的研究總結(jié)出網(wǎng)銀數(shù)據(jù)流的概念與特征，提出網(wǎng)上銀行數(shù)據(jù)流除了具備數(shù)據(jù)流的基本特點(diǎn)外，還具備連續(xù)性、多義性、沖突性和海量性等特性。結(jié)合網(wǎng)上銀行數(shù)據(jù)流特征，提出網(wǎng)上銀行數(shù)據(jù)流時(shí)序輪盤模型。
　　 然后，研究分析了現(xiàn)有的數(shù)據(jù)流頻繁模式挖掘算法。

4、基于數(shù)據(jù)流時(shí)序輪盤模型，提出TTLC（Time-seriesTurnstileLossyCounting）算法提高了LossyCounting算法的動(dòng)態(tài)性，另外設(shè)計(jì)并實(shí)現(xiàn)基于散列表的數(shù)據(jù)流頻繁模式挖掘算法MFS-HT，并通過(guò)實(shí)驗(yàn)證明算法的時(shí)空效率優(yōu)于現(xiàn)有算法。
　　 最后，本文將上述算法編碼實(shí)現(xiàn)，集成到了自行設(shè)計(jì)開(kāi)發(fā)的網(wǎng)上銀行數(shù)據(jù)流頻繁模式挖掘系統(tǒng)當(dāng)中。并使用模擬數(shù)據(jù)，對(duì)系統(tǒng)進(jìn)行實(shí)驗(yàn)分析與研究。實(shí)驗(yàn)表明系統(tǒng)具有較高的準(zhǔn)確性和時(shí)間