发明名称 |
一种大规模数据的关联规则挖掘方法 |
摘要 |
本发明提供一种大规模数据的关联规则挖掘方法,包括以下步骤:1)对输入数据进行基于相似度的分类预处理,使得同一分类中的记录间具有高相似度;2)对每个分类中的数据进行基于Apriori算法的挖掘,得到各分类的频繁项集;3)合并所有分类的频繁项集,将大于最小置信度的频繁项集对应关联规则判定为强关联规则。本发明能够减少产生不必要的关联性小的候选项集,从而提高整体数据的关联规则挖掘效率,具有更好的扩展性。 |
申请公布号 |
CN103020256B |
申请公布日期 |
2016.04.20 |
申请号 |
CN201210562345.7 |
申请日期 |
2012.12.21 |
申请人 |
电子科技大学 |
发明人 |
罗光春;田玲;秦科;陈爱国;段贵多 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
电子科技大学专利中心 51203 |
代理人 |
李明光 |
主权项 |
一种大规模数据的关联规则挖掘方法,其特征在于,包括以下步骤:1)对输入数据进行基于相似度的分类预处理,使得同一分类中的记录间具有高相似度;2)对每个分类中的数据进行基于Apriori算法的挖掘,得到各分类的频繁项集;3)合并所有分类的频繁项集,将大于最小信赖度的频繁项集对应关联规则判定为强关联规则;分类预处理的具体方法是:1.1在输入数据中选择k个条记录作为分类的基准点;k为大于等于2的整数;1.2扫描数据,并求出每一条记录与各基准点的相似度,根据将每条记录分配至与其相似度最高的基准点所对应的分类上;扫描完全部数据后,形成各分类对应区域;与一条记录相似度最高的基准点有1个或1个以上;1.3分别对各分类对应区域的记录进行平均,利用平均后的结果确定新的该区域的新的基准点,判断区域的基准点是否变化,如是,跳转到步骤1.2,如否,分类结束。 |
地址 |
611731 四川省成都市高新区(西区)西源大道2006号 |