-
题名基于增量队列的在全置信度下的关联挖掘
被引量：1
- 1
-
-
作者
刘炜
-
机构
上海交通大学
-
出处
《计算机系统应用》
2015年第8期133-136,共4页
-
文摘
关联挖掘是一种重要的数据分析方法,提出了一种在全置信度下的增量队列关联挖掘算法模型,在传统的FP-Growth及PF-Tree算法的关联挖掘中使用了全置信度规则,算法的适应性得到提升,由此提出FP4W-Growth算法并运用到对文本数据的关联计算以及对增量式的数据进行关联性挖掘的研究中,通过实验验证了此算法及模型的可行性与优化性,为在庞大的文本数据中发现隐藏着的先前未知的并潜在有用的新信息和新模式,提供了科学的决策方法.
-
关键词
海量文本
增量队列
全置信度
关联挖掘
-
Keywords
large amounts of text
incremental queue
full confidence
association mining
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于All-confidence的正负关联分类
被引量：1
- 2
-
-
作者
黄再祥
何田中
-
机构
漳州师范学院计算机科学与工程系
-
出处
《漳州师范学院学报（自然科学版）》
2012年第3期32-37,共6页
-
基金
国家自然科学基金资助项目(61170129)
-
文摘
针对分类中如何有效利用负关联模式提高分类准确率,提出了一种基于正负关联模式的分类算法.利用类Apriori算法挖掘包含正项或/和负项且项与项之间互相关联的正负关联模式来产生分类规则.为提高挖掘效率,先找出能覆盖训练集的信息熵最小k个正/负项.然后,把这k个正/负项分别与其他项进行连接得到相应的正负关联模式.实验表明,该算法有效减少了挖掘的规则数,极大减少了挖掘时间,并提高了分类准确率.
-
关键词
数据挖掘
关联分类
负关联模式
全置信度
信息熵
-
Keywords
data mining
associative classification
negative association rules
all-confidence
informationentropy
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于量化相关模式的多值关联规则挖掘算法
- 3
-
-
作者
沈西挺
龚彩虹
-
机构
河北工业大学计算机科学与软件学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2013年第7期2422-2425,共4页
-
文摘
为了解决多值关联规则挖掘中忽视罕见且有价值的非频繁模式的问题,提出了一种新的多值关联规则挖掘算法—QCoMine。该算法引入了量化相关模式的概念,通过考察多值属性间互信息熵和全置信度,找到具有强信息关系的属性集进而产生规则。实验结果表明,由于在属性层和区间层进行了剪枝,因此缩减了搜索空间,提高了算法的性能,且得到更高置信度、更有价值的规则。
-
关键词
多值关联联规则
非频繁模式
量化相关模式
互信息
全置信度
-
Keywords
quantitative association rules
non-frequent patterns
quantitative correlated pattern
mutual information
all-confidence
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名一种有趣关联模式挖掘方法
被引量：2
- 4
-
-
作者
刘晓素
郭福亮
-
机构
海军工程大学电子工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2010年第11期36-38,共3页
-
文摘
同一关联挖掘算法算法在不同性质的数据上会表现出不同的性能。针对该问题,提出一种有趣关联模式挖掘方法。介绍模式的兴趣度度量,引入兴趣度预处理过程,并将数据分为2种类型,分别采用不同的算法对这2类数据集进行挖掘。实例表明,该方法能有效提高输出模式的质量。
-
关键词
关联挖掘
水平加权支持度
全置信度
兴趣度
兴趣度预处理
-
Keywords
association mining
horizontal weighted support
all confidence
interestingness
interestingness prcprocessing
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
