一个基于兴趣度的关联规则度量方法的改进

关联规则是数据挖掘和知识发现领域的重要课题,但就判定关联规则是否成立的问题,即兴趣度的度量方法问题,学术界没有一致的标准。既有的兴趣度度量方法包括支持度—置信度方法、提升度方法、卡方分析方法等。这些传统的兴趣度度量方法存在各自的局限,表现为缺乏客观标准,只能度量正向关系等方面。为了克服这些问题,本文提出了一个基于兴趣度的关联规则度量方法的改进,并对该方法与传统方法进行了比较,证明了该度量方法的一些性质,指出了新方法的优点,实证了新方法的特征属性。该方法较之原有方法有一定的优势。     

不完全数据库中的关联规则挖掘

在不完全数据库中挖掘关联规则是一个重要的数据挖掘问题,其关联规则的支持度和置信度不可能精确计算,但可以估计.基于关联规则支持度和置信度的估计,讨论了不完全数据库中关联规则的挖掘问题.     

基于Apriori有效关联规则及其兴趣度的研究

通过对Apriori算法进行的分析与研究,发现其在实用中存在两个主要问题:生成的关联规则具有相当大的冗余性;有可能挖掘出一条支持度和置信度均很高,但却是无趣的、甚至是虚假的关联规则,且不能产生带有否定项的规则.鉴于此,给出了关联规则的两个性质和引入兴趣度的第三个度量--相关支持度;利用两个性质消除了一定的冗余,同时利用相关支持度使挖掘出的规则更符合用户的需求,设计了挖掘出有效关联规则算法,在算法中利用导出的性质提高算法效率,较好地解决了上述问题.     

多因素兴趣度建模与度量研究

为了避免或者减少关联规则生成的模式中没有意义的规则,引入兴趣度作为阈值对关联规则进行完善.对兴趣度从主、客观两方面多因素进行分析,在此基础上提出了M-FIM多因素兴趣度建模,合理权衡构成兴趣模式的多个因素中的各个指标,并进行权重的确定,研究结果有助于根据不同客户对商品的不同偏好,获取有兴趣的规则,从而扩展了兴趣度的适用范围.     

兴趣关联规则的挖掘

通过对关联规则兴趣度的度量,在挖掘关联规则时可以避免无意义规则的产生。提出了一种度量关联规则兴趣度的方法,并给出了兴趣关联规则的挖掘算法。     

基于关联规则的道路交通事故多发点成因分析

分析道路交通事故成因有助于改善道路交通环境、减少道路交通事故的发生.近年来,关联规则模型及其扩展在道路交通事故多发点成因分析中使用广泛.然而,使用关联规则中传统的兴趣度度量方法和Apriori算法存在许多局限.在传统兴趣度度量方法和Apriori算法的基础上做出改进,使用频数分析法和改进的关联规则方法对事故多发点进行成...     

基于关联规则的网站个性化服务

从大量顾客在线购买历史记录中挖掘出有用的关联规则,是一种及时有效的向顾客推出个性化服务的重要技术.对网上书店的顾客在线购买行为进行挖掘分析,采用Apriori算法[1]找到其中的关联规则,采用支持度过滤方法获取频繁的顾客购买行为模式,提出根据用户的兴趣度和规则的置信度产生相应的推荐候选集,实现网上书店的个性化推荐服务.     

决策概念格及决策规则的提取

针对含有决策信息的决策形式背景,提出了决策概念格模型,并定义决策概念格中的决策规则及规则的置信度和支持度,用户可根据实际的需求,从规则中提取满足最低置信度及支持度的规则.     

一种改进的基于粗糙集的启发式值约简算法

在求得决策表中属性值核的基础上,用属性重要度指导增加后续属性值,还引入包含度和支持度统计度量,生成了不同置信度水平下的决策规则集,并设计了基于规则集的分类算法。对Monk数据集的对比实验表明,该算法是有效的。     

基于全置信度关联分析的web层次聚类方法

为了便于用户浏览网页信息,基于全置信度关联分析,提出了一种网页层次聚类的方法。该方法采用向量空间模型表示网页文档,将文档看成事务,文档的词汇视为事务中的项,根据关联挖掘算法发现文档之间的强关联规则产生基本类,然后利用图划分的算法完成网页文档的层次聚类。在关联规则产生过程中采用全置信度量发现强关联模式,规则的产生不受支持度阈值设置的影响,即使支持度闽值设置为零,也能发现强关联模式,有效地消除了弱相关的交叉支持模式。