基于参考度的关联规则挖掘

doi:10.3724/SP.J.1087.2005.01827

计算机应用 ›› 2005, Vol. 25 ›› Issue (08): 1827-1829.DOI: 10.3724/SP.J.1087.2005.01827

基于参考度的关联规则挖掘

林嘉宜^1,2，彭宏¹，郑启伦¹，李颖基¹

1.华南理工大学计算机科学与工程学院； 2.中华人民共和国黄埔海关

发布日期:2011-04-07 出版日期:2005-08-01
基金资助:
广东省科技攻关项目(A10202001);;广州市科技攻关项目(2004Z2-D0091);;广东省自然科学基金资助项目(031454)

Mining association rules based on consult measure

LIN Jia-yi^1,2,PENG Hong¹, ZHENG Qi-lun¹,LI Ying-ji¹

1.School of Computer Science and Engineering,South China University of Technology,Guangzhou Guangdong 510641,China; 2.Huang Pu Customs District of Peoples Republic of China,Guangzhou Guangdong 510730,China

Online:2011-04-07 Published:2005-08-01

摘要/Abstract

摘要： 针对现有关联规则挖掘的评价标准存在的问题,提出在评价标准中增加参考度,并给出了参考度的定义和基于参考度的关联规则挖掘算法。利用参考度将关联规则分为正关联规则、负关联规则和无效关联规则,从而可以用算法挖掘带有负项的关联规则。最后给出了新算法的实验分析。

关键词: 数据挖掘, 关联规则, 参考度

Abstract: Some problems of the current measures for association rules were analyzed. A new measure named consult was defined and added to the mining algorithm for association rules. According to the value of consult, association rules were classified into positive, negative and invalid association rules. The new algorithm could find out the negative-item-contained rules. Finally, the algorithm was evaluated and analyzed through experiments and practices.

Key words: data mining, association rules, consult measure

中图分类号:

TP311.13

林嘉宜，彭宏，郑启伦，李颖基. 基于参考度的关联规则挖掘[J]. 计算机应用, 2005, 25(08): 1827-1829.

LIN Jia-yi,PENG Hong, ZHENG Qi-lun,LI Ying-ji. Mining association rules based on consult measure[J]. Journal of Computer Applications, 2005, 25(08): 1827-1829.

[1]	刘世泽, 秦艳君, 王晨星, 苏琳, 柯其学, 罗海勇, 孙艺, 王宝会. 基于深度残差长短记忆网络交通流量预测算法[J]. 计算机应用, 2021, 41(6): 1566-1572.
[2]	李旭娟, 皮建勇, 黄飞翔, 贾海朋. 基于自生成深度神经网络的4D航迹预测[J]. 计算机应用, 2021, 41(5): 1492-1499.
[3]	陈凯, 于彦伟, 赵金东, 宋鹏. 基于城市交通监控大数据的工作位置推理方法[J]. 计算机应用, 2021, 41(1): 177-184.
[4]	龙洋洋, 陈玉玲, 辛阳, 豆慧. 基于联盟区块链的安全能源交易方案[J]. 计算机应用, 2020, 40(6): 1668-1673.
[5]	杜旭升, 于炯, 叶乐乐, 陈嘉颖. 基于图上随机游走的离群点检测算法[J]. 计算机应用, 2020, 40(5): 1322-1328.
[6]	徐周波, 杨健, 刘华东, 黄文文. 基于XGBoost与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机应用, 2020, 40(5): 1510-1514.
[7]	陈曦, 梅广, 张金金, 许维胜. 融合知识图谱和协同过滤的学生成绩预测方法[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 595-601.
[8]	马董, 陈红梅, 王丽珍, 肖清. 空间亚频繁co-location模式的主导特征挖掘[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 465-472.
[9]	李莎莎, 梁冬阳, 余杰, 纪斌, 马俊, 谭郁松, 吴庆波. 基于师门关系的研究团队挖掘算法[J]. 计算机应用, 2020, 40(11): 3198-3202.
[10]	孙鹤立, 张优优, 杨洲, 何亮, 贾晓琳. 基于时间线段树的城市可达区域搜索[J]. 计算机应用, 2020, 40(10): 2936-2941.
[11]	王淳颖, 张驯, 赵金雄, 袁晖, 李方军, 赵博, 朱小琴, 杨凡, 吕世超. 基于多源告警的攻击事件分析[J]. 计算机应用, 2020, 40(1): 123-128.
[12]	李博, 张晓, 颜靖艺, 李可威, 李恒, 凌玉龙, 张勇. 基于值差度量和聚类优化的K最近邻算法在银行客户行为预测中的应用[J]. 计算机应用, 2019, 39(9): 2784-2788.
[13]	纪丽娜, 陈凯, 于彦伟, 宋鹏, 王淑莹, 王成锐. 基于城市交通大数据的车辆类别挖掘及应用分析[J]. 计算机应用, 2019, 39(5): 1343-1350.
[14]	于永斌, 戚敏惠, 尼玛扎西, 王琳. 基于阈值自适应忆阻器Hopfield神经网络的关联规则挖掘算法[J]. 计算机应用, 2019, 39(3): 728-733.
[15]	叶志宇, 冯爱民, 高航. 基于深度LightGBM集成学习模型的谷歌商店顾客购买力预测[J]. 计算机应用, 2019, 39(12): 3434-3439.

基于参考度的关联规则挖掘

Mining association rules based on consult measure

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics