基于维分类的关联规则的元规则制导挖掘

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 140-143.

• 数据库、信号与信息处理 • 上一篇下一篇

基于维分类的关联规则的元规则制导挖掘

倪志伟1，2，周之强1，2，公维峰1，2，孟金华1，2

1.合肥工业大学管理学院，合肥 230009
2.过程优化与智能决策教育部重点实验室，合肥 230009

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Metarule-guided mining of association rules based on classification of dimensions

NI Zhiwei1，2，ZHOU Zhiqiang1，2，GONG Weifeng1，2，MENG Jinhua1，2

1.School of Management，Hefei University of Technology，Hefei 230009，China
2.Key Lab of Process Optimization and Intelligent Decision-Making，Ministry of Education，Hefei 230009，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 元规则制导的关联规则挖掘可以提高挖掘过程的效率和精确度，目前已经提出了许多关联规则的元规则制导挖掘算法，尤其是在关系数据库中;而在数据立方体上的元规则制导挖掘算法相对较少，且大多数是基于Apriori思想的算法，它们都存在冗余谓词搜索的问题。针对这种情况，提出了一种以元规则中维度的不同类型为依据的改进算法LRS，并在实验中证明了算法的有效性。

关键词: 元规则, 关联规则, 数据立方体

Abstract: Metarule-guided mining of association rules can improve the efficiency and accuracy of mining process.Currently many algorithms have been proposed，especially in relational databases.In the case of data cubes，many algorithms are proposed，and most of them are based on Apriori theory，which lead to the problem of redundant predicates searching.In view of this situation，this paper proposes an algorithm LRS according to different types of dimensions in the metarule，and the experiment results demonstrate the effectiveness of the proposed algorithm.

Key words: metarule, association rule, data cube

倪志伟1，2，周之强1，2，公维峰1，2，孟金华1，2. 基于维分类的关联规则的元规则制导挖掘[J]. 计算机工程与应用, 2011, 47(30): 140-143.

NI Zhiwei1，2，ZHOU Zhiqiang1，2，GONG Weifeng1，2，MENG Jinhua1，2. Metarule-guided mining of association rules based on classification of dimensions[J]. Computer Engineering and Applications, 2011, 47(30): 140-143.

[1]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[2]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[3]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[4]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[5]	刘莉萍1，章新友1，牛晓录2，郭永坤1，丁亮1. 基于Spark的并行关联规则挖掘算法研究综述[J]. 计算机工程与应用, 2019, 55(9): 1-9.
[6]	郭鹏，蔡骋. 基于聚类和关联算法的学生成绩挖掘与分析[J]. 计算机工程与应用, 2019, 55(17): 169-179.
[7]	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.
[8]	赵慧茹，林民. 融合关联规则的学术论文主题学习及表示方法[J]. 计算机工程与应用, 2018, 54(20): 159-165.
[9]	王晓丹，王建宇. 自动售药机配仓算法研究[J]. 计算机工程与应用, 2017, 53(4): 256-262.
[10]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[11]	徐珺1，李明霞2，刘保相2. 基于区间概念格的规则优化方法与应用[J]. 计算机工程与应用, 2017, 53(13): 167-173.
[12]	薛福亮1，马　　莉2. 利用动态产品分类树改进的关联规则推荐方法[J]. 计算机工程与应用, 2016, 52(4): 135-141.
[13]	韦容1，申希兵2，杨毅3. 基于公理化模糊集语义图像层次关联规则分类器[J]. 计算机工程与应用, 2016, 52(20): 193-199.
[14]	尚赵伟，李振华，张澜. 基于日志的协同图像自动标注[J]. 计算机工程与应用, 2015, 51(8): 178-182.
[15]	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.

基于维分类的关联规则的元规则制导挖掘

Metarule-guided mining of association rules based on classification of dimensions

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