一种基于向量运算的关联规则挖掘方法技术
【技术实现步骤摘要】
本专利技术涉及数据挖掘领域，特别是涉及。
技术介绍
关联规则挖掘的目的是从大数据库中挖掘由数量关系确定的属性之间的关联规 贝1J，典型的关联规则挖掘例子是"90%的顾客如果购买面包和黄油，那么也购买牛奶"，其 中，"面包和黄油"是关联规则前件，牛奶是后件，90%为关联规则的可信度。属性关联规则 是对大数据中有用知识的科学、合理刻画，已广泛应用于计算机科学、管理科学、经济学、社 会科学等领域。将支持度和可信度作为目标函数，属性关联规则挖掘可转化为一个优化问 题，而挖掘出的属性关联规则就是满足目标函数的较优解。 目前，基于优化模型的属性关联规则挖掘方法已有很多，在该类方法中，各种优化 方法或智能优化算法，如shafer证据理论、有向图方法、主成分分析方法、进化计算、粒子 群算法及遗传算法等，被用于从某一属性子集中挖掘相应的属性关联规则。在现有的属性 关联规则挖掘中，频繁闭项集的极小生成元用来生成一类Min-Max关联规则，即令A'是一 频繁闭项集，B是A'的一个极小生成元，则B-(A' -B)是一条Min-Max关联规则。 通过分析可得，现有的属性关联规...
【技术保护点】
一种基于向量运算的关联规则挖掘方法，其特征在于，包括以下步骤：定义对象和属性的向量表示，约定对象向量和属性向量的运算规则，用于计算属性集上的向量基；根据向量基计算生成属性集上的向量；根据所述属性集上的向量计算属性集上的任一向量的支持度；设定向量基的支持度阈值，筛选出大于支持度阈值条件的向量；根据预先设定的可信度阈值，在所述大于支持度阈值条件的向量中挖掘满足条件的属性关联规则。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。