引入約束因子的類BAR關聯(lián)規(guī)則挖掘算法研究.pdf

1、關聯(lián)規(guī)則挖掘首要解決的是效率與伸縮性問題。由于數(shù)據(jù)挖掘任務所面對的數(shù)據(jù)集通常是由數(shù)以百萬計的記錄所構成的大型數(shù)據(jù)庫或數(shù)據(jù)倉庫，因此如何提高從大型數(shù)據(jù)庫中挖掘關聯(lián)規(guī)則的效率，以便有效的降低計算的復雜性、提高算法的運行速度，便成為關聯(lián)規(guī)則挖掘研究中的核心問題。 同時，在關聯(lián)規(guī)則挖掘中存在的一個問題是，那些支持度高的規(guī)則往往不是有趣的規(guī)則，因為這些冗余規(guī)則中相當一部分都可以利用用戶所掌握的領域知識篩選出來；并且，用戶對規(guī)則的要求也日益

2、精確。這就要求對要挖掘的規(guī)則引入新的約束，本文引入的就是最小興趣度和確信因子相結合的約束。最小興趣度體現(xiàn)了用戶的參與性，而確信因子是處理在B(→)A和A(→)B同時滿足大于最小支持度，最小置信度的時候，如何來取舍規(guī)則的問題。 基于位圖和顆粒計算的關聯(lián)規(guī)則的挖掘算法(Bit-AssoRule簡稱BAR)比一般的apriori，apriori-id,apriod-Hybrid在運行時間上提高了一個數(shù)量級。本文介紹了基于位圖的BAR關