|
|
|
| 基于多支持度的增量式关联规则挖掘算法 |
| 黄水源； 段文影； 陈桂香； 胡苏阳 |
| 南昌大学信息工程学院 |
|
| HUANG Shuiyuan;DUAN Wenying;CHEN Guixiang;HU Suyang |
|
|
|
摘要 传统的基于关联规则的挖掘算法采用的是统一的最小支持度,但是在实际的事务数据库中数据项的重要性是不同的。针对目前多支持度和增量式关联规则更新维护的局限性,提出一种基于多支持度的增量式关联规则挖掘算法。允许用户根据不同项的重要性设置权值,有利于发现更多有趣的规则。采用矩阵的向量内积策略,结合动态剪枝,无需多次扫描事务数据库,不生成庞大候选集。实验结果验证了算法的有效性。 更多还原
|
|
| 关键词 ：
多支持度,
关联规则,
增量更新,
数据挖掘
|
|
|
| 基金资助: 国家自然科学基金资助项目(61070139) |
| [1] |
白似雪； 段仕林； 梅舒. 基于关系数据库的关联规则挖掘算法DB-growth[J]. 南昌大学学报（理科版）, 2015, 39(01): 25-. |
| [2] |
李致勋; 公慧玲; 王继成; 李德钿. 关联规则在网络异常检测中的应用[J]. 南昌大学学报（理科版）, 2010, 34(04): 1-. |
| [3] |
白似雪; 李婵. M-distinct算法改进:面向动态数据集重发布的隐私保护算法[J]. 南昌大学学报（工科版）, 2010, 32(03): 1-. |
| [4] |
彭永供; 王靓明; 朱敏; 段隆振. 基于散列技术的高效剪枝关联规则挖掘算法[J]. 南昌大学学报（理科版）, 2009, 33(05): 1-. |
| [5] |
冷皓凡. 数据挖掘技术在医学研究中的应用[J]. 实用临床医学, 2009, 10(04): 1-. |
| [6] |
白似雪; 梅君; 吴穹; 朱涛. 一种基于概率加权的朴素贝叶斯分类[J]. 南昌大学学报（理科版）, 2009, 33(02): 1-. |
| [7] |
白似雪; 朱涛; 梅君. 基于图的Apriori改进算法[J]. 南昌大学学报（工科版）, 2009, 31(01): 1-. |
| [8] |
谢江林; 何宜庆; 陈涛. 数据挖掘在供应链金融风险控制中的应用[J]. 南昌大学学报（理科版）, 2008, 32(03): 1-. |
| [9] |
胡健; 谢霖铨; 杨炳儒. 基于模糊状态描述的因果关联规则的提取过程[J]. 南昌大学学报（理科版）, 2008, 32(02): 1-. |
| [10] |
周兴斌; 迟殿委. 一种Apriori算法的改进[J]. 南昌大学学报（工科版）, 2008, 30(02): 1-. |
| [11] |
白似雪; 朱天. InClosPan:大型数据库中闭序列模式的增量挖掘[J]. 南昌大学学报（理科版）, 2008, 32(01): 1-. |
| [12] |
刘江华; 戴新喜; 白似雪. 基于模式矩阵的P_Matrix算法[J]. 南昌大学学报（理科版）, 2007, 31(05): 1-. |
| [13] |
陈炼; 孙金华; 饶泓; 廖远; 林渝. 基于Apriori改进算法的Web日志挖掘支撑工具的实现[J]. 南昌大学学报（工科版）, 2007, 29(02): 1-. |
| [14] |
张聪; 周绍梅. 面向属性归纳和判定树的结合及其在软构件查询中的应用[J]. 南昌大学学报（工科版）, 2007, 29(02): 1-. |
| [15] |
何田中; 程从从. 基于Rough集的规则抽取技术[J]. 南昌大学学报（工科版）, 2007, 29(01): 1-. |
|
|
|
|
2015, Vol. 39 
