多支持度关联规则的研究被引量：3

下载PDF

导出

摘要关联规则是当前数据挖掘研究最重要的分支之一,目前的关联规则挖掘多采用单一的最小支持度。多支持度的关联规则挖掘算法根据事务项本身的特点分别规定其各自的最小支持度,对原有的Apriori算法进行了改进。

作者李刚董祥军

机构地区山东轻工业学院信息科学与技术学院

出处《广西轻工业》 2007年第5期60-61,共2页 Guangxi Journal of Light Industry

关键词关联规则多支持 APRIORI算法

分类号 TP311 [自动化与计算机技术—计算机软件与理论]

引文网络
相关文献

参考文献7

1Agrawal R,Imielinski T,Swami A.Mining association rules between sets of items in large databases[C].Proceedings of the ACM SICMOD conference on management of data,1993.207-216. 被引量：1
2胡侃,夏绍玮.基于大型数据仓库的数据采掘:研究综述[J].软件学报,1998,9(1):53-63. 被引量：256
3王振宇,白石磊,熊范纶.多最小支持度策略的关联规则挖掘方法[J].小型微型计算机系统,2002,23(8):971-973. 被引量：20
4刘南艳,杨君锐.多最小支持度下的关联规则及其挖掘方法研究[J].西安科技大学学报,2005,25(4):481-484. 被引量：6
5Han,J.,Fu,Y.Discovery of multiple-level association rules from large databases[Z].VLDB-95. 被引量：1
6Liu,B.,H su,W.,M a,Y.Mining association rules with multipie-minimum supports[R].SoC technical report,1999. 被引量：1
7L iu,B.,H su,W.,M a,Y.Pruning and summarizing the discovered associations[Z].KDD-99,1999. 被引量：1

二级参考文献17

1Ma Xiaoqiang，香港大学技术报告，1996年被引量：1
2Han J，Proceedings of ACM SIGMOD International Conference’96 on Management of Data （SIGMOD’96），1996年被引量：1
3Cheung D，Proceedings of the International Conference’96 on Data Engineering （ICDE’96），1996年被引量：1
4Han Jiawei，Proceedings of the International Conference’96 on Data Mining and Knowledge Discovery （KDD’96），1996年，250页被引量：1
5Lu Hongjun，IEEE Trans Knowl Data Eng，1996年，8卷，6期，957页被引量：1
6Wang Shan，计算机世界，1996年，7卷，28期，101页被引量：1
7Guo Yibin，PC World China（in Chinese），1996年，26页被引量：1
8Jia Hong，中国计算机用户，1996年，6页被引量：1
9Han J，Proceedings of 1995 International Conference on Very Large Data Bases （VLDB’95），1995年，420页被引量：1
10Han J，Proceedings of the 4th International Conference on Information and Knowledge Management （CIKM’95），1995年，19页被引量：1

共引文献276

1罗航,余利娟,张康.移动端考研产品的春天真的到来了吗?[J].广东经济,2017,0(7X):157-157.
2黄越岭,张小真,沈艳多.可视化远程教育管理系统研究[J].西南师范大学学报（自然科学版）,2006,31(6):100-104. 被引量：1
3庄玉良.Study on Material ManagementSystem of Coal Enterprise Basedon Data Warehouse[J].Journal of China University of Mining and Technology,2004,14(2):127-132.
4徐常凯,王耀才,王军威.Research on Forecast Technologyof Mine Gas Emission Based onFuzzy Data Mining(FDM)[J].Journal of China University of Mining and Technology,2004,14(2):174-178.
5胡卫兵,王骏涛,胡明文.数据挖掘与土木工程的健康监测及诊断[J].振动工程学报,2004,17(z1):300-304. 被引量：1
6李勇.XML技术在网络数据挖掘应用中的优势[J].雁北师范学院学报,2003,19(5):89-90.
7唐懿芳,钟达夫.主成分分析方法对数据进行预处理[J].广西师范大学学报（哲学社会科学版）,2002,38(S1):223-225. 被引量：16
8张玉林,仲伟俊,梅姝娥.一类表内多概念间多层次关联规则挖掘算法及应用[J].计算机工程与应用,2001,37(14):91-92. 被引量：4
9陈亮.数据仓库技术在保险公司中的应用[J].科技经济市场,2006(1):45-47.
10杨璐光,雷宁光,朱晨光.互联网信息挖掘技术及其实现[J].哈尔滨铁道科技,2006(1):17-19. 被引量：1

同被引文献25

1阮璐,肖冬荣,周杰,高风.利用组合支持度进行关联规则的挖掘[J].微计算机信息,2008,24(9):233-234. 被引量：3
2皮德常,秦小麟,王宁生.基于动态剪枝的关联规则挖掘算法[J].小型微型计算机系统,2004,25(10):1850-1852. 被引量：16
3尹群,王丽珍,田启明.一种基于概率的加权关联规则挖掘算法[J].计算机应用,2005,25(4):805-807. 被引量：18
4史原,鲁汉榕,罗菁,高婷.基于规模约简和多支持度的关联规则挖掘[J].计算机工程与设计,2006,27(21):4105-4107. 被引量：8
5刘以安,羊斌.关联规则挖掘中对Apriori算法的一种改进研究[J].计算机应用,2007,27(2):418-420. 被引量：53
6宫雨.分组多支持度关联规则研究[J].计算机工程与设计,2007,28(5):1205-1207. 被引量：8
7Kantardzic M.数据挖掘--概念、模型、方法和算法[M].北京:清华大学出版社,2003. 被引量：2
8Han J,Pei J,Yin Y.Mining frequent patterns without candidate generation[C] //Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data.Dallas,Texas:ACM Press,2000:1-12. 被引量：1
9Berzal F,Cubero J-C,Marin N.TBAR:An efficient method for association rule mining in relational database[J].Data & Knowledge Engineering,2001,37:47-64. 被引量：1
10HAN JIAWEI, PEI JIAN, YIN YIWEN. Mining frequent patterns without candidate generation [ C]// Proceedings of the 2000 ACM SIGMOD Internal Conference on Management of Data. New York: ACM, 2000:1 - 12. 被引量：1

引证文献3

1张春生,宋琳琳.分段支持度Apriori算法及应用[J].计算机工程与应用,2010,46(16):157-159. 被引量：10
2张春生,庄丽艳,李艳.Apriori算法低频规则的有效性及实现[J].计算机应用,2011,31(2):435-437. 被引量：4
3陈世保,徐峰,吴国凤.基于难度系数的加权关联规则在试卷评估中的应用[J].井冈山大学学报（自然科学版）,2013,34(1):70-74. 被引量：5

二级引证文献19

1屈展,陈雷.一种改进的APRIORI算法在电子商务中的应用[J].西安石油大学学报（自然科学版）,2012,27(1):91-93. 被引量：4
2王培吉,赵玉琳,白金牛.基于分辨矩阵的关联规则挖掘改进及实现[J].兰州理工大学学报,2012,38(1):98-101. 被引量：2
3张春生,李艳,庄丽艳,图雅,张玉春.基于局部性原理的分布式关联规则挖掘算法[J].计算机工程与应用,2012,48(21):143-145. 被引量：2
4黄颖.改进的Apriori算法在电子商务推荐系统中的应用[J].计算机与数字工程,2012,40(8):35-38. 被引量：5
5曲朝阳,辛红金,陈鹏,辛彩春.基于混合支持度Apriori算法的短期负荷预测模型[J].电测与仪表,2013,50(3):24-28. 被引量：5
6张春生,庄丽艳.基于Apriori的相容数据集间关联规则演绎方法[J].计算机应用,2013,33(10):2796-2800. 被引量：4
7马蓉.Aprior算法的改进及其在高职学生就业中的应用[J].价值工程,2013,32(30):182-185.
8周兴斌,骆四毛.牛顿插值与分块算法对自适应支持度的研究[J].计算机工程与设计,2014,35(2):520-524. 被引量：2
9余如,黄丽霞,黄名选.教育信息化中课程考试成绩数据关联模式的发现[J].计算机与现代化,2014(2):10-14. 被引量：1
10田伟,于泳海.Apriori算法在电子商务中的应用[J].数字技术与应用,2014,32(3):114-114.

1李铭.关联规则的多支持度挖掘在销售数据中的应用[J].计算机工程,2003,29(8):92-93. 被引量：10
2李刚,董祥军.多支持度在非频繁项集挖掘中的研究[J].山东轻工业学院学报（自然科学版）,2007,21(3):15-17.
3李刚,王洪国,董祥军,杨越越,郭跃斌.基于两级多支持度的非频繁项集挖掘方法[J].郑州大学学报（理学版）,2007,39(4):94-97. 被引量：5
4余晓平,刘丽娅,朱东芹.基于项集的多支持度关联规则挖掘算法[J].微计算机信息,2009(33):147-148. 被引量：1
5赵玉航,刘健波.基于分段函数的多支持度关联规则挖掘算法[J].计算机工程与设计,2010,31(21):4621-4624. 被引量：2
6张春生,宋琳琳.分段支持度Apriori算法及应用[J].计算机工程与应用,2010,46(16):157-159. 被引量：10
7邹力鹍,张其善.基于多最小支持度的加权关联规则挖掘算法[J].北京航空航天大学学报,2007,33(5):590-593. 被引量：17
8刘南艳,杨君锐.多最小支持度下的关联规则及其挖掘方法研究[J].西安科技大学学报,2005,25(4):481-484. 被引量：6

广西轻工业

2007年第5期

浏览历史

内容加载中请稍等...

多支持度关联规则的研究被引量：3

参考文献7

二级参考文献17

共引文献276

同被引文献25

引证文献3

二级引证文献19

相关作者

相关机构

相关主题

浏览历史

多支持度关联规则的研究 被引量：3

参考文献7

二级参考文献17

共引文献276

同被引文献25

引证文献3

二级引证文献19

相关作者

相关机构

相关主题

浏览历史

多支持度关联规则的研究被引量：3