近似频繁集合强亲密关联性的矩阵挖掘方法

根据经典关联规则数据挖掘理论,讨论在给定事务中挖掘出具有强亲密关联性的强频繁集合,该集合是整体关联性最强的集合。首先用FP-Growth Tree算法挖掘出频繁集合,然后对支持度近似频繁集通过矩阵方法计算出复合置信度并得出强频繁集合。通过实例挖掘,对强频繁集合产生的强关联规则进行比较并做出最优选择。

启发式资源共享系统关联规则挖掘方法

针对资源共享系统开放式特征,提供了一种启发式方法,在分析Apriori的基础上,在网络资源共享系统下进行关联规则挖掘。与传统方法相比主要有两点区别:一是通过在网络中设立一个超节点来保存处理数据;二是通过和节点实时的动作序列相比,添加一个近似频繁集反映动态变化。这种方法通过设定全局和节点的启发式规则,可以有效提取节点动作序列的关联,从而提高目标资源的定位能力,节省网络带宽开销。实验结果表明该方法是高效可行的。