AR-Markov模型在动态关联规则挖掘中的应用

doi:10.3778/j.issn.1002-8331.2010.14.040

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (14): 135-137.DOI: 10.3778/j.issn.1002-8331.2010.14.040

• 数据库、信号与信息处理 • 上一篇下一篇

AR-Markov模型在动态关联规则挖掘中的应用

张忠林，刘俊，谢彦峰

兰州交通大学电子与信息工程学院，兰州 730070

收稿日期:2008-11-03 修回日期:2009-01-19 出版日期:2010-05-11 发布日期:2010-05-11
通讯作者: 张忠林

Auto-regression Markov model application in mining of dynamic association rule

ZHANG Zhong-lin，LIU Jun，XIE Yan-feng

School of Electronic and Information Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China

Received:2008-11-03 Revised:2009-01-19 Online:2010-05-11 Published:2010-05-11
Contact: ZHANG Zhong-lin

摘要/Abstract

摘要： 针对规则随着时间变化的特点，为规则建立元规则对其支持度和置信度变化趋势的分析和预测模型。通过增加支持度向量和置信度向量这两种规则评价指标，给出了动态关联规则元规则的形式化定义。利用自回归Markov模型对动态关联规则的元规则进行了挖掘，并通过实例证明了该方法的有效性。

关键词: 动态关联规则, 元规则挖掘, 自回归模型, Markov链

Abstract: According to the characteristics of the rules change over time，it establishes the change trend analysis and forecasting model about support and confidence of the meta-association rule.By increasing the support and confidence vector evaluation of the rules，it gives the dynamic association rules of Meta-association formal definition.Using auto-regression Markov model of mining dynamic association rules of meta-association rules，it proves the effectiveness of this method.

Key words: dynamic association rule, meta-association rule mining, auto-regression model, Markov chains

中图分类号:

TP391

张忠林，刘俊，谢彦峰. AR-Markov模型在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2010, 46(14): 135-137.

ZHANG Zhong-lin，LIU Jun，XIE Yan-feng. Auto-regression Markov model application in mining of dynamic association rule[J]. Computer Engineering and Applications, 2010, 46(14): 135-137.

[1]	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.
[2]	靖天才，方景龙，魏丹. 面向复杂UML的Markov建模方法研究[J]. 计算机工程与应用, 2018, 54(4): 60-65.
[3]	祖颖，朱平，马冲. 检验双重性质特征的基因模糊聚类分析方法[J]. 计算机工程与应用, 2018, 54(19): 216-220.
[4]	张忠林，石皓尹，闫光辉. 灰色Markov模型动态关联规则趋势度挖掘方法[J]. 计算机工程与应用, 2015, 51(7): 154-159.
[5]	高琛，白雪，赵不贿. 一类随机混杂系统的稳定性分析[J]. 计算机工程与应用, 2013, 49(6): 62-64.
[6]	隋璐瑛，张雄伟，黄建军，赵改华. 基于码本学习的改进谱减语音增强算法[J]. 计算机工程与应用, 2013, 49(16): 216-220.
[7]	吕永乐. 一种新的统计预测模型——多项式系数自回归模型[J]. 计算机工程与应用, 2012, 48(3): 237-241.
[8]	黄光球，刘嘉飞，姚玉霞. 求解组合优化问题的鱼群算法的收敛性证明[J]. 计算机工程与应用, 2012, 48(10): 59-63.
[9]	唐艳,柳建新,邹清. 基于AR模型的脑－机接口问题研究[J]. 计算机工程与应用, 2009, 45(1): 149-152.
[10]	苏帅,孙超. 基于改进的AR模型的逆波束形成方法研究[J]. 计算机工程与应用, 2008, 44(24): 59-61.
[11]	李更生. 基于时间序列分析的Web服务器DDoS攻击检测[J]. 计算机工程与应用, 2007, 43(7期): 135-138.
[12]	胡人君李坤吴小培. 脑机接口应用中的思维任务分类[J]. 计算机工程与应用, 2007, 43(3期): 201-201.
[13]	刘宇宏,王士同,徐红林. 改进的时序基因表达数据动态聚类算法[J]. 计算机工程与应用, 2007, 43(27): 164-167.
[14]	裴涛曹炬. 视频点播系统中基于流行度的MBGC策略[J]. 计算机工程与应用, 2007, 43(10期): 219-221.

AR-Markov模型在动态关联规则挖掘中的应用

Auto-regression Markov model application in mining of dynamic association rule

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics