计算机应用技术专业毕业论文[精品论文]面向rfid海量数据的若干数据挖掘技术研究

计算机应用技术专业毕业论文[精品论文]面向rfid海量数据的若干数据挖掘技术研究内容摘要：

法为基础，结合多维序列模式挖掘思想，提出两类 RFID 多维路径挖掘算法。 一类是将多维数据与路径数据合并整体挖掘；另一类是分别挖掘多维数据和路径数据。 这两类算法适用于不同的数据集，可以有效提高 RFID 多维路径挖掘的性能。 3)提出了一种分布环境下的 RFID 频繁路径挖掘算法。 因为供应链是分布的，所以 RFID 系统也是分布的。 若将所有的数据集中到单个站点再用单机环 境下的算法挖掘，将会造成大量数据传输和站点资源浪费。 本文利用各个站点挖掘频繁路径，再将结果存储在路径语法树中，在站点之间传输路径语法树来合并全局频繁路径。 这样，不仅可以减少网络数据传输量，也可以充分利用所有站点的计算能力，提高全局的挖掘速度。 4) RFID系统不断收集移动物品的数据，需要先对数据库更新后，再挖掘用户需要的准确信息。 为了解决这一问题，本文提出了更新挖掘算法。 由于不断加入数据，会造成存储空间消耗过大，本文研究利用路径编码的方法，来压缩路径数据。 近年来，射频识别 (Radio Frequency Identification， RFID)技术快速发展，阅读器与标签成本不断下降，标签识别的准确率不断提高。 随着 RFID 技术的发展，生产商、分销商、零售商能够对供应链中的单个物品的移动进行跟踪。 大型零售商如 Walmart、 Target 和 Albertsons 已经开始在它们的仓库和物流中心部署RFID 系统，并要求供应商在商品的小包装上粘贴 RFID 标签。 RFID 标签价格进一步下降，人们可以在单个商品上粘贴标签，跟踪供应链中单个物品的移动轨迹，如何管理和组织 RFID系统收集的海量数据将成为研究利用 RFID技术 管理供应链的重点。 这些海量数据存储在数据库或者数据仓库中，面对这种 “ 数据爆炸 ” 的现实，如何从海量数据中提取有价值的信息已显得尤为重要。 数据挖掘技术的出现和发展为人们解决了这一难题，通过数据挖掘技术及其分析工具可以从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取潜在有用的信息和知识。 RFID 技术用来跟踪供应链中的移动物品， RFID 数据中最重要的部分就是物品的移动数据，又称路径数据或者痕迹数据， RFID 数据挖掘主要工作就是路径数据挖掘。 我们对路径数据挖掘技术作了深入的研究，挖掘出现频率较 高的路径，为用户了解物品的移动规律和趋势，优化供应链，发现异常移动等提供有用的信息。 在研究现有 RFID 数据挖掘方法的基础上，本文主要在单机环境下RFID 频繁路径挖掘、 RFID 多维频繁路径挖掘、分布环境下的 RFID 频繁路径挖掘等几方面做了深入的研究。 主要创新点如下： 1)基于传统的频繁模式挖掘和序列模式挖掘方法不能有效解决 RFID 频繁路径挖掘的问题，本文在充分研究RFID 路径数据特点的情况下，将 RFID 路径数据分成若干序列数据，在现有的频繁模式和序列模式挖掘方法基础上，提出了面向 RFID 的高效频繁路径挖掘 算法。 2)以本文的 RFID 频繁路径挖掘算法为基础，结合多维序列模式挖掘思想，提出两类 RFID 多维路径挖掘算法。 一类是将多维数据与路径数据合并整体挖掘；另一类是分别挖掘多维数据和路径数据。 这两类算法适用于不同的数据集，可以有效提高 RFID 多维路径挖掘的性能。 3)提出了一种分布环境下的 RFID 频繁路径挖掘算法。 因为供应链是分布的，所以 RFID 系统也是分布的。 若将所有的数据集中到单个站点再用单机环境下的算法挖掘，将会造成大量数据传输和站点资源浪费。 本文利用各个站点挖掘频繁路径，再将结果存储在路径语法树 中，在站点之间传输路径语法树来合并全局频繁路径。 这样，不仅可以减少网络数据传输量，也可以充分利用所有站点的计算能力，提高全局的挖掘速度。 4) RFID系统不断收集移动物品的数据，需要先对数据库更新后，再挖掘用户需要的准确信息。 为了解决这一问题，本文提出了更新挖掘算法。 由于不断加入数据，会造成存储空间消耗过大，本文研究利用路径编码的方法，来压缩路径数据。 近年来，射频识别 (Radio Frequency Identification， RFID)技术快速发展，阅读器与标签成本不断下降，标签识别的准确率不断 提高。 随着 RFID 技术的发展，生产商、分销商、零售商能够对供应链中的单个物品的移动进行跟踪。 大型零售商如 Walmart、 Target 和 Albertsons 已经开始在它们的仓库和物流中心部署RFID 系统，并要求供应商在商品的小包装上粘贴 RFID 标签。 RFID 标签价格进一步下降，人们可以在单个商品上粘贴标签，跟踪供应链中单个物品的移动轨迹，如何管理和组织 RFID系统收集的海量数据将成为研究利用 RFID技术管理供应链的重点。 这些海量数据存储在数据库或者数据仓库中，面对这种 “ 数据爆炸 ” 的现实，如何从海量数据中提取 有价值的信息已显得尤为重要。 数据挖掘技术的出现和发展为人们解决了这一难题，通过数据挖掘技术及其分析工具可以从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取潜在有用的信息和知识。 RFID 技术用来跟踪供应链中的移动物品， RFID 数据中最重要的部分就是物品的移动数据，又称路径数据或者痕迹数据， RFID 数据挖掘主要工作就是路径数据挖掘。 我们对路径数据挖掘技术作了深入的研究，挖掘出现频率较高的路径，为用户了解物品的移动规律和趋势，优化供应链，发现异常移动等提供有用的信息。 在研究现有 RFID 数据 挖掘方法的基础上，本文主要在单机环境下RFID 频繁路径挖掘、 RFID 多维频繁路径挖掘、分布环境下的 RFID 频繁路径挖掘等几方面做了深入的研究。 主要创新点如下： 1)基于传统的频繁模式挖掘和序列模式挖掘方法不能有效解决 RFID 频繁路径挖掘的问题，本文在充分研究RFID 路径数据特点的情况下，将 RFID 路径数据分成若干序列数据，在现有的频繁模式和序列模式挖掘方法基础上，提出了面向 RFID 的高效频繁路径挖掘算法。 2)以本文的 RFID 频繁路径挖掘算法为基础，结合多维序列模式挖掘思想，提出两类 RFID 多维路径 挖掘算法。 一类是将多维数据与路径数据合并整体挖掘；另一类是分别挖掘多维数据和路径数据。 这两类算法适用于不同的数据集，可以有效提高 RFID 多维路径挖掘的性能。 3)提出了一种分布环境下的 RFID 频繁路径挖掘算法。 因为供应链是分布的，所以 RFID 系统也是分布的。 若将所有的数据集中到单个站点再用单机环境下的算法挖掘，将会造成大量数据传输和站点资源浪费。 本文利用各个站点挖掘频繁路径，再将结果存储在路径语法树中，在站点之间传输路径语法树来合并全局频繁路径。 这样，不仅可以减少网络数据传输量，也可以充分利用所有站点的 计算能力，提高全局的挖掘速度。 4) RFID系统不断收集移动物品的数据，需要先对数据库更新后，再挖掘用户需要的准确信息。 为了解决这一问题，本文提出了更新挖掘算法。 由于不断加入数据，会造成存储空间消耗过大，本文研究利用路径编码的方法，来压缩路径数据。 近年来，射频识别 (Radio Frequency Identification， RFID)技术快速发展，阅读器。