RFID路径数据聚类分析与频繁模式挖掘

声明

摘要

1 引言

1．1 研究背景

1．2 研究现状

1．3 研究目的和意义

1．4 本文的主要工作及组织结构

2 RFID技术与智能超市

2．1 智能超市的概念与工作原理

2．2 RFID技术的主要应用

2．3 智能超市中的RFID路径数据

2．3．1 RFID路径数据的产生

2．3．2 智能超市中RFID路径数据的特点

2．3．3 RFID路径数据在超市和供应链中的区别

2．4 RFID路径信息获取

2．5 RFID路径信息压缩

2．6 小结

3 RFID路径相似性度量

3．1 常见的几种路径相似性度量方法

3．2 位置的相似性度量

3．3 时间相似性度量

3．4 位置-时间相似性度量

3．4．1 RFID路径的相关定义

3．4．2 基于位图的位置相似度度量

3．5 RFID路径相似度计算

3．6 小结

4 RFID路径的聚类

4．1 微簇和宏簇的概念

4．2 Multi-granularity时间滑动窗口模型

4．3 RFID路径聚类算法的基本框架

4．3．1 在线层聚类算法设计

4．3．2 离线层聚类算法设计

4．4 小结

5 RFID路径数据频繁模式挖掘

5．1 问题的提出及相关定义

5．2 RFID数据流的滑动窗口模型

5．3 滑动窗口频繁闭路径挖掘算法

5．3．1 TCFP-Tree结构

5．3．2 TCFP-Tree算法

5．3．3 TCFP-Tree的更新

5．3．4 基于TCFP-Tree的top-K闭合路径挖掘

5．4 小结

6 实验分析

6．1 实验环境与实验数据集

6．2 RFID数据的有效压缩

6．3 MTSWCluster算法实验

6．3 TCFP-Tree Mining算法实验

6．4 小结

结论

致谢

参考文献

攻读学位期间的研究成果