含缺省属性值的数据中的规则发现算法  

Rule Discovery from Data with Default Attribute Values

作　　者：张师超[1] 倪艾玲[2] 

机构地区：[1]悉尼科技大学信息技术学院 [2]广西师范大学计算机系,硕士研究生桂林541004

出　　处：《计算机科学》2005年第10期132-134,153,共4页Computer Science

基　　金：澳大利亚ARC项目(DP0559536);国家自然科学基金(60463003);广西自然科学基金

摘　　要：根据用户定义的主观重视程度,综合考虑属性的缺省值情况以及信息系统中各属性的属性值个数,确定模式的综合重要度,进而得出模式的最小支持度。另外,提出剪枝技术剪除无意义的频繁项集,仅挖掘用户感兴趣的规则。实验证明该方法是有效的。Taking into account the interest given by the customers, the number of the value of each attribute and the default attribute value in the information system, this paper proposes an approach for hunting the minimum support by synthetical importance of patterns. Furthermore, an algorithm is developed for mining interesting rules from data with default attribute values. For efficiency, a pruning algorithm is designed for removing indifference frequent itemsets. We experimentally evaluate the proposed approach, and demonstrate it is efficient and promising.

关 键 词：知识发现 数据挖掘 领域知识 属性值 缺省值 发现算法 用户定义 最小支持度 信息系统 频繁项集 剪枝技术 实验证明 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论] TP317[自动化与计算机技术—计算机科学与技术]