基于Vague集的Apriori算法的改进

doi:10.3778/j.issn.1002-8331.2010.25.039

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (25): 131-133.DOI: 10.3778/j.issn.1002-8331.2010.25.039

• 数据库、信号与信息处理 • 上一篇下一篇

基于Vague集的Apriori算法的改进

沈小虎，余建坤

云南财经大学信息学院，昆明 650221

收稿日期:2010-01-13 修回日期:2010-06-10 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 沈小虎

Improvement of Apriori algorithm based on Vague sets

SHEN Xiao-hu，YU Jian-kun

College of Information，Yunnan University of Finance and Economics，Kunming 650221，China

Received:2010-01-13 Revised:2010-06-10 Online:2010-09-01 Published:2010-09-01
Contact: SHEN Xiao-hu

摘要/Abstract

摘要： 当前研究的关联规则挖掘隐含着一个假定：待挖掘数据库中每条记录的全部属性都是完整的。然而现实中得到的数据可能是不完整的，在这种情况下将无法使用传统的算法。为了解决这个问题，引入Vague集并给出基于Vague集的支持度和置信度定义，将经典的Apriori算法推广到Vague集上。最后通过一个例子来验证算法的有效性。

关键词: Vague集, 关联规则挖掘, 数据挖掘

Abstract: The research for mining association rules implies assumption：The items of databases are complete.However in the practical applications the data may be incomplete，in which case it would not be able to use the traditional method.In order to solve this problem，the definitions of the support and confidence based on Vague sets are given.And the classic Apriori algorithm is extended by Vague sets.Finally the efficiency of the algorithm is validated through an example.

Key words: Vague sets, association rule mining, data mining

中图分类号:

TP301.6

沈小虎，余建坤. 基于Vague集的Apriori算法的改进[J]. 计算机工程与应用, 2010, 46(25): 131-133.

SHEN Xiao-hu，YU Jian-kun. Improvement of Apriori algorithm based on Vague sets[J]. Computer Engineering and Applications, 2010, 46(25): 131-133.

[1]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	马洋，赵旭俊. 基于相关子空间的多源离群检测算法[J]. 计算机工程与应用, 2021, 57(17): 88-95.
[4]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[5]	张博文，刘智，桑国明. 基于核密度波动的异常检测算法[J]. 计算机工程与应用, 2021, 57(12): 132-136.
[6]	饶加旺，马荣华. 改进核密度估计的空间点密度算法[J]. 计算机工程与应用, 2021, 57(11): 260-265.
[7]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[8]	王子龙，李进，宋亚飞. 基于距离和权重改进的K-means算法[J]. 计算机工程与应用, 2020, 56(23): 87-94.
[9]	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.
[10]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[11]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[12]	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.
[13]	罗兰，肖建于. 一种有效折扣证据源的冲突证据合成方法[J]. 计算机工程与应用, 2019, 55(4): 154-158.
[14]	孟海东1，2，孙新军2，宋宇辰1. 基于数据场的改进LOF算法[J]. 计算机工程与应用, 2019, 55(3): 154-158.
[15]	雷乐，王丽珍，肖清. 空间co-location模式挖掘中的模糊技术初探[J]. 计算机工程与应用, 2019, 55(21): 158-166.

基于Vague集的Apriori算法的改进

Improvement of Apriori algorithm based on Vague sets

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