基于粗糙集的分类关联规则挖掘算法研究

• 作者: 余建桥 尹世群 葛继科 邱玉辉
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 粗糙集 属性约简 分类挖掘 分类支持度 特征置信度
• 年，卷（期）: 2007,（12）
• 所属期刊栏目: 人工智能及图像处理技术
• 页码范围: 171-174
• 页数: 4页
• 分类号: TP3
• 字数: 5018字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2007.12.044

摘要

本文给出了一种将属性约简和分类关联规则挖掘相结合的新型分类挖掘系统的算法(CARMA).它运用粗糙集理论把关系数据库按属性值分成若干等价类、约简冗余属性及依赖属性,然后对数据约简后的目标关系表求取分类支持度大于阈值的强类和特征置信度大于阈值的强特征,从而有效获取强类中的强特征的决策关联规则.实验结果表明,CARMA对于数据的分类是有效的,比其它算法具有更高的分类精度和效率.它能够有效地克服Ⅲ3系列算法的冗余性、复杂性和对大数据量的不适应性,对增量数据能够达到较好的分类效果和具有广泛的应用前景.本文关键讨论了具体的算法、系统框架和实例.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱玉辉	西南大学计算机与信息科学学院	82	1462	16.0	36.0
2	尹世群	西南大学计算机与信息科学学院	3	59	3.0	3.0
3	余建桥	西南大学计算机与信息科学学院	49	316	9.0	15.0
4	葛继科	西南大学计算机与信息科学学院	9	802	6.0	9.0