基于背景的加权关联规则挖掘方法

doi:10.3778/j.issn.1002-8331.2009.36.040

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (36): 134-137.DOI: 10.3778/j.issn.1002-8331.2009.36.040

• 数据库、信号与信息处理 • 上一篇下一篇

基于背景的加权关联规则挖掘方法

谢福鼎¹，姜荣¹，赵凤霞²

1.辽宁师范大学计算机与信息技术学院，辽宁大连 116081
2.秦皇岛职业技术学院，河北秦皇岛 066100

收稿日期:2009-06-04 修回日期:2009-10-12 出版日期:2009-12-21 发布日期:2009-12-21
通讯作者: 谢福鼎

Method for mining weighted association rules based on context

XIE Fu-ding¹，JIANG Rong¹，ZHAO Feng-xia²

1.Department of Computer and Information Technology，Liaoning Normal University，Dalian，Liaoning 116081，China
2.Qinhuangdao Vocational College，Qinhuangdao，Hebei 066100，China

Received:2009-06-04 Revised:2009-10-12 Online:2009-12-21 Published:2009-12-21
Contact: XIE Fu-ding

摘要/Abstract

摘要： 在时间越近越重要原则指导下，对记录进行时间加权，通过给出加权的公式，提出了一种基于背景的加权关联规则挖掘方法。该算法可以针对用户感兴趣的时间-地点背景进行关联规则挖掘。相比传统挖掘方法，该方法通过从低层次到高层次概念的序列映射，可以分析出不同粒度层次的相关信息，有利于决策者做出更准确的决策分析，制定更优的策略。

关键词: 加权关联规则, 背景, 时间越近越重要原则, 时间加权

Abstract: This paper presents a method for mining association rules with weight based on context by introducing a weighted formula.The records are weighted according to time under the guidance of the recent-biased principle.The algorithm extracts association rules from the time-place context that users are interested in.Compared to the traditional methods，the relevant information with different granularity levels can be analyzed from lower granularity level to higher one in terms of mapping sequence of the concept.The approach is of advantage to policy maker for making more accurate decision analysis and more optimal strategies.

Key words: weighted association rules, context, recent-biased principle, time-weighted

中图分类号:

TP301.6

谢福鼎¹，姜荣¹，赵凤霞². 基于背景的加权关联规则挖掘方法[J]. 计算机工程与应用, 2009, 45(36): 134-137.

XIE Fu-ding¹，JIANG Rong¹，ZHAO Feng-xia². Method for mining weighted association rules based on context[J]. Computer Engineering and Applications, 2009, 45(36): 134-137.

[1]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[2]	王思奎，刘云鹏，亓琳，张钟毓，林智远. 基于背景约束与卷积特征的目标跟踪方法[J]. 计算机工程与应用, 2020, 56(8): 205-214.
[3]	冯纾，王军锋，蔡勇，冯登明，王文军. 低光照度下人机界面背景色眼动分析评价研究[J]. 计算机工程与应用, 2020, 56(4): 262-267.
[4]	黄胜，李萌芳，张倩云. 基于背景帧的监控和会议视频帧间快速算法[J]. 计算机工程与应用, 2020, 56(22): 205-210.
[5]	郭泓邑，张红民，李萍萍. 一种视差伪影最小化的视频拼接方法[J]. 计算机工程与应用, 2020, 56(20): 186-190.
[6]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[7]	吴贵山，林淑彬，杨文元. 多特征融合的次峰抑制无人机目标跟踪[J]. 计算机工程与应用, 2020, 56(14): 104-110.
[8]	常振，段先华，鲁文超，彭媛. 基于多尺度的贝叶斯模型显著性检测[J]. 计算机工程与应用, 2020, 56(11): 207-213.
[9]	崔丽群，张平，贺情杰，鲁浩. 对比度和细节增强显著性检测方法研究[J]. 计算机工程与应用, 2019, 55(23): 200-208.
[10]	贺晓丽，刘华丽，刘瑶瑶. 多粒度数据的区间形式概念分析方法[J]. 计算机工程与应用, 2019, 55(19): 52-57.
[11]	朱小波，车进. 融合BOW模型的多特征子空间行人重识别算法[J]. 计算机工程与应用, 2019, 55(18): 146-150.
[12]	渠寒花1，惠建忠1，何险峰2，王慕华1，何晓凤1，丰德恩1. 气象服务形式概念分析模型研究[J]. 计算机工程与应用, 2018, 54(9): 257-264.
[13]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[14]	邓晨，谢林柏. 融合多尺度对比与贝叶斯模型的显著目标检测[J]. 计算机工程与应用, 2018, 54(8): 172-177.
[15]	李超，孙俊. 基于机器视觉方法的焊缝缺陷检测及分类算法[J]. 计算机工程与应用, 2018, 54(6): 264-270.

基于背景的加权关联规则挖掘方法

Method for mining weighted association rules based on context

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