AR-Markov模型在动态关联规则挖掘中的应用  

Auto-regression Markov model application in mining of dynamic association rule

作　　者：张忠林[1] 刘俊[1] 谢彦峰[1] 

机构地区：[1]兰州交通大学电子与信息工程学院,兰州730070

出　　处：《计算机工程与应用》2010年第14期135-137,147,共4页Computer Engineering and Applications

基　　金：兰州交通大学"青蓝"人才工程基金(No.QL-05-10A);兰州市企业技术攻关计划项目(No.2009-1-4)

摘　　要：针对规则随着时间变化的特点,为规则建立元规则对其支持度和置信度变化趋势的分析和预测模型。通过增加支持度向量和置信度向量这两种规则评价指标,给出了动态关联规则元规则的形式化定义。利用自回归Markov模型对动态关联规则的元规则进行了挖掘,并通过实例证明了该方法的有效性。According to the characteristics of the rules change over time,it establishes the change trend analysis and forecasting model about support and confidence of the meta-association rule.By increasing the support and confidence vector evaluation of the rules,it gives the dynamic association rules of Meta-association formal definition.Using auto-regression Markov model of mining dynamic association rules of meta-association rules,it proves the effectiveness of this method.

关 键 词：动态关联规则 元规则挖掘 自回归模型 MARKOV链 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]