数量关联规则发现中的聚类方法研究

被引：24

作者：

苑森淼

程晓青

机构：

[1] 吉林工业大学计算机科学与工程系!长春

[2] 吉林工业大学应用数学系!长春

来源：

计算机学报 | 2000年 / 08期

关键词：

数据挖掘; 数量关联规则; 聚类算法; 抽样;

D O I：

暂无

中图分类号：

TP311 [程序设计、软件工程];

学科分类号：

摘要：

应用聚类方法研究了数量关联规则提取过程中的连续属性离散化问题 .由于现存的方法倾向于将支持度较高的区域划分为多个区间 ,对高偏数据效果不理想 .针对这一问题 ,提出聚类算法 PKCCA.与传统快速聚类不同 ,PKCCA在迭代过程中动态调整中心个数 ,避免造成过小支持度问题 ,并继承了传统快速聚类适合大样本的优点

引用

页码：866 / 871

页数：6

共 3 条

[1]

Data mining using two-dimensional optimized association rules: Scheme, algorithms and visualization. Fukuda T,Morimoto Y,Morishita S et al. In: Proceedings of the ACMSIGMOD International Conference on Management of Data, Montreal ,Canada . 1996

[2]

Mining optimized association rules for numeric attributes. Fukuda T,Morimoto Y,Morishita S et al. In: Proceedings of the Fifteenth ACM SIGACT-SIGMOD-SIGART Symposium on Principles of Database Systems, Montreal , Canada . 1996

[3]

Mining quantitative association rules in large relational table. Srikant R,Agrawal R. In: Proceedings of the ACMSIGMOD Conference on Management of Data, Montreal , Canada . 1996

← 1 →