挖掘空间关联规则的前缀树算法设计与实现

被引：10

作者：

刘君强

潘云鹤

机构：

[1] 浙江大学人工智能研究所,浙江大学人工智能研究所杭州杭州商学院计算机信息工程学院,杭州,杭州

来源：

中国图象图形学报 | 2003年 / 04期

基金：

浙江省自然科学基金;

关键词：

数据库(520·4050); 海量数据库; 空间数据挖掘; 地理信息系统; 空间关联规则;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

空间关联规则挖掘是在空间数据库中进行知识发现的一类重要问题 .为此提出了挖掘空间关联规则的二阶段策略 ,通过多轮次单层布尔型关联规则挖掘 ,自顶向下逐步细化空间谓词的粒度 ,从而空间谓词的计算量大大减少 .同时 ,设计了一种基于前缀树的单层布尔型关联规则挖掘算法 (FPT- Generate) ,不需要反复扫描数据库 ,不产生候选模式集 ,并在关键优化技术上取得了突破 .实验表明 ,以 FPT- Generate为挖掘引擎的空间关联规则发现系统的时间效率与空间可伸缩性远远优于以经典算法 Apriori为引擎的系统 .

引用

页码：118 / 122

页数：5

共 8 条

[1]

Efficiently mining long patterns from databases. Bayardo R J. In: SIGMOD’ 1998[C], Seattle, Washington, June . 1998

[2]

Mining quantitative association rules in large relational tables. Srikant R,Agrawal R. In: SIGMOD’ 1996[C], Montreal ,Canada . 1996

[3]

A tree projection algorithm for generation of frequent itemsets. Agrawal R,Aggarwal C,Prasad V V V. Journal of Parallel and Distributed Computing . 2000

[4]

Mining frequent patterns without candidate generation. Han J,Pei J,Yin Y. In: SIGMOD’ 2000[C], Dallas, TX, May . 2000

[5]

Mining association rules between sets of items in large databases. Agrawal R,Imielinski T,Swami A. In: SIGMOD’ 1993[C], Washington, D. C. May . 1993

[6]

MapInfoData:BusinessPointsSample. MapInfoCorporation. http:// www.mapinfo.com/ free/ index.cfm .

[7]

Mining generalized association rules. Srikant R,Agrawal R. In: VLDB’ 1995[C], Zurich, Switzerland, Sept . 1995

[8]

Fast algorithms for mining association rules. Agrawal R,Srikant R. In: VLDB’ 1994[C], Santiago, Chile, Sept . 1994

← 1 →