公开(公告)号：CN112818030A

公开(公告)日：2021-05-18

申请号：CN202110082760.1

申请日：2021-01-21

Applicant: 北京理工大学

Inventor： 闫波 ,  赵菊文 ,  宿红毅 ,  郑宏

IPC: G06F16/2458 ,  G06Q30/06 ,  G06N3/04

Abstract: 本发明公开了一种自适应的分布式流数据关联规则挖掘方法，属于机器学习数据挖掘技术领域。本方法，在分布式计算集群中每个节点使用滑动时间窗口对单位时间内流式数据进行关联规则挖掘，然后对结果进行汇总得到当前一个时间段内的频繁项集。随后，利用深度强化学习方法对系统参数进行调整。本方法将关联规则挖掘技术、流式数据处理以及深度强化学习方法结合起来，不需要人工对数据进行标注，大大节省人工成本。同时，采用流式算法动态维护模型，可快速实时分析，能够广泛应用于物联网设备环境数据分析、电力状态实时监控分析、金融数据实时分析等众多领域。

公开(公告)号：CN112818030B

公开(公告)日：2022-11-04

申请号：CN202110082760.1

申请日：2021-01-21

Applicant: 北京理工大学

Inventor： 闫波 ,  赵菊文 ,  宿红毅 ,  郑宏

IPC: G06F16/2458 ,  G06Q30/06 ,  G06N3/04

Abstract: 本发明公开了一种自适应的分布式流数据关联规则挖掘方法，属于机器学习数据挖掘技术领域。本方法，在分布式计算集群中每个节点使用滑动时间窗口对单位时间内流式数据进行关联规则挖掘，然后对结果进行汇总得到当前一个时间段内的频繁项集。随后，利用深度强化学习方法对系统参数进行调整。本方法将关联规则挖掘技术、流式数据处理以及深度强化学习方法结合起来，不需要人工对数据进行标注，大大节省人工成本。同时，采用流式算法动态维护模型，可快速实时分析，能够广泛应用于物联网设备环境数据分析、电力状态实时监控分析、金融数据实时分析等众多领域。