期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
正负关联规则两级置信度阈值设置方法 预览
1
作者 陈柳 冯山 《计算机应用》 CSCD 北大核心 2018年第5期1315-1319,1338共6页
针对传统正负关联规则置信度阈值设置方法难以控制低可信度规则数量和易遗漏有趣规则的问题,提出了一个结合项集相关性的两级置信度阈值设置方法(PNMC-TWO)。首先,基于规则的无矛盾性、有效性和有趣性考虑,以相关度-支持度-置信度为框... 针对传统正负关联规则置信度阈值设置方法难以控制低可信度规则数量和易遗漏有趣规则的问题,提出了一个结合项集相关性的两级置信度阈值设置方法(PNMC-TWO)。首先,基于规则的无矛盾性、有效性和有趣性考虑,以相关度-支持度-置信度为框架,从规则置信度与项集支持度的计算关系出发,系统地分析了正负关联规则置信度取值随规则的项集支持度大小变化的规律;然后,与实际挖掘中用户对高可信度且有趣的规则需求相结合,提出了一个新的设置模型,避免了传统方法设置阈值时的盲目性和随意性;最后,从规则数量和规则质量两方面对所提方法与原双阈值法进行了实验对比。实验结果表明,所提方法不仅可以更好地确保提取出的关联规则有效和有趣,还可以显著地降低可信度低的关联规则数量。 展开更多
关键词 数据挖掘 正负关联规则 规则置信度阈值 项集相关性
在线阅读 下载PDF
负关联规则挖掘算法研究 被引量:1
2
作者 朱红蕾 徐志刚 李明 《微电子学与计算机》 CSCD 北大核心 2010年第5期167-169,173共4页
文中首先描述了负关联规则的基本概念,接着分析了负关联规则挖掘的特点和相关算法,并提出基于相关性和剪切策略的改进算法来进行正、负关联规则挖掘,最后指出了负关联规则挖掘的研究方向.
关键词 数据挖掘 负关联规则 频繁项集 相关性
一种有效且无冗余的快速关联规则挖掘算法 预览 被引量:7
3
作者 刘乃丽 李玉忱 马磊 《计算机应用》 CSCD 北大核心 2005年第6期 1396-1397,1404,共3页
关联规则的挖掘是数据挖掘的一个重要研究领域.传统算法进行关联规则挖掘时,或者生成规则的效率很低,或者生成的关联规则之间存在着大量的冗余,或者挖掘出的规则的支持度和置信度都很高,但却是无趣的、甚至是虚假的规则,且不能产生带有... 关联规则的挖掘是数据挖掘的一个重要研究领域.传统算法进行关联规则挖掘时,或者生成规则的效率很低,或者生成的关联规则之间存在着大量的冗余,或者挖掘出的规则的支持度和置信度都很高,但却是无趣的、甚至是虚假的规则,且不能产生带有否定项的规则.提出了一种新的算法MVNR(Mining Valid and non-Redundant Association Rules Algorithm),利用频繁项集的极小子集集合很好的解决了上述问题. 展开更多
关键词 关联规则 频繁项集 相关度 冗余性
在线阅读 下载PDF
基于频繁项挖掘的空间关联性子簇形成算法
4
作者 王茜 高志鹏 +1 位作者 邱雪松 王兴斌 《北京邮电大学学报》 EI CAS CSCD 北大核心 2015年第B06期20-23,共4页
部署在无线传感器网络监测区域的传感器节点周期性地进行感知数据的采集和传输,传感器节点采集数据之间存在的空间关联性会增加采集数据的冗余度和网络能耗.为了延长无线传感器网络的生命周期,提出了一种基于频繁项挖掘的空间关联性... 部署在无线传感器网络监测区域的传感器节点周期性地进行感知数据的采集和传输,传感器节点采集数据之间存在的空间关联性会增加采集数据的冗余度和网络能耗.为了延长无线传感器网络的生命周期,提出了一种基于频繁项挖掘的空间关联性子簇形成算法.仿真实验结果表明,该算法与已有算法相比,降低了网络能耗,延长了网络的生命周期,保证了采集数据的质量. 展开更多
关键词 无线传感器网络 数据采集 频繁项挖掘 空间关联性
基于兴趣度剪枝的Apriori优化算法 预览 被引量:1
5
作者 刘上力 杨清 《郑州轻工业学院学报:自然科学版》 2011年第4期 68-71,共4页
鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值... 鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值范围.实验结果表明,该算法是有效和可行的. 展开更多
关键词 APRIORI算法 频繁项集 兴趣度 项项正相关 剪枝
在线阅读 免费下载
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈