使用定性属性的数据库关联规则的增量挖掘

目前数据库关联规则的增量挖掘作为数据挖掘的一个重要的领域,已经广泛应用于教育,医疗,卫生等领域,因此它成为了当今数据挖掘中最活跃,最重要的一个分支领域.数据库中的数据存在大量未知的数据以及不可知的数据变化.若采用Apriori算法进行计算,一方面很难取得较好的结果,另一方面支持度的变化对结果的影响很大,无法确定支持度的变化,因此借助属性论中定性属性的机理以及属性计算网络的边界学习算法,结合IUBM算法提出了一种基于定性属性的关联规则的增量挖掘算法.比如在以分数划线招生制度下,定性基准的一分之差,可能完全改变一个学生的一生的命运.通过实验表明,该算法在处理大规模数据的增量式关联规则的挖掘中减少了冗余规则的产生,同时挖掘效率得到了很大的提升.对于诸如预测大学生就业的情况及招聘企业对于应届生学习情况的了解等应用十分有意义.