对演变数据进行关联规则挖掘的新方法

被引:3
作者
齐雁
李石君
薛海峰
机构
[1] 武汉大学计算机学院
关键词
数据挖掘; 关联规则; 演变数据; 周期性关联规则; 聚类;
D O I
暂无
中图分类号
TP311.12 [];
学科分类号
摘要
针对已有经常性周期关联规则在演变数据和周期长度方面的局限性,文章提出一种新的方法,从而可以对演变数据进行经常性长周期关联规则的挖掘。这种方法针对演变数据的动态环境,通过对数据块的动态聚类得到周期分段,然后在每一分段内利用低支持度关联规则挖掘算法来发现周期较长的关联规则。整个算法可以在GEMM算法的基础上进行动态模式保持。
引用
收藏
页码:126 / 127+130 +130
页数:3
相关论文
共 3 条
[1]  
Finding Interesting Associations Without Support Pruning. Cohen E,Datar M,Fujiwara S,et al. IEEE Trans. on Knowledge and Data Eng . 2001
[2]  
DEMON: Mining and Monitoring Evolving Data. Ganti V,Gehrke J,Ramakrishnan R. IEEE Trans. on Knowledge and Data Eng . 2001
[3]  
Scalable Algorithms for Association Mining. Zaki m J. IEEE Trans. on Knowledge and Data Eng . 2000