一种改进的基于超网络的高维数据聚类算法

高维数据聚类问题是当前聚类分析研究的重点。笔者提出了一种改进的基于超网络的高维数据聚类算法。首先，将高维数据映射到一个大规模带权超网络中；其次，定义超网络中边的权重；再次，采用优化的超图划分方法划分带权超网络；最后实现高维数据聚类。这样有效过滤掉聚类中的噪声数据，避免了传统聚类方法在降维过程中产生的弊端。实验证明，该算法具有较理想的有效性和精确度。

关联规则的上探研究

关联规则的上探操作沿袭了OLAP中上探的概念,它是通过对已经挖掘得到的用户感兴趣的规则进行再分析,挖掘出用户感兴趣的父关联规则.提出了关联规则上探及相关的概念,并在此概念的基础上给出了上探的算法及复杂度分析.实验结果表明,上探操作能有效挖掘出上层关联规则.