关联学习:关联关系挖掘新视角

• 作者: 张明星 成红红 钱宇华
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 关联关系 关联学习 关联判别器 关联图像数据集 关联学习准则
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 424-432
• 页数: 9页
• 分类号: TP181
• 字数: 6364字
• 语种: 中文
• DOI: 10.7544/issn1000-1239.2020.20190281

摘要

关联关系挖掘与发现是大数据挖掘与分析的重要基础,现有的关联关系挖掘方法多是对数据进行统计分析,对未知数据缺少关联判别作用.尝试从学习的角度进行关联关系挖掘,给出了关联学习的形式化定义和相关概念,并根据关联学习定义构建学习数据集.具体地构建了2类关联图像数据集(two class associated image data sets,TAID),利用卷积神经网络提取关联特征,然后分别用softmax函数和K近邻算法判别关联关系,基于此提出3种关联关系判别器:关联图像卷积神经网络判别器(associated image convolutional neural network discriminator,AICNN)、关联图像LeNet判别器(associated image LeNet discriminator,AILeNet)和关联图像K近邻判别器(associated image K-nearest neighbor discriminator,AIKNN).3种关联判别器在TAID数据集上进行测试,AICNN在64×64像素90000个训练样本上的判别精度达0.8217,AILeNet在256×256像素22500个训练样本上的判别精度达0.8456,AIKNN在256×256像素22 500个训练样本上的判别精度达到0.866 4.这3种关联判别器有效地证明了学习角度挖掘关联关系的可行性

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱宇华	山西大学大数据科学与产业研究院	44	497	11.0	21.0
2	成红红	山西大学计算机与信息技术学院	6	38	3.0	6.0