一种新的在图像关联规则挖掘中产生频繁项集的方法  

A New Approach to Generate Frequent Itemsets in Mining Image Association Rules

作　　者：杜琳[1] 陈云亮[1,2] 朱静[1] 

机构地区：[1]中国地质大学计算机学院,湖北武汉430074 [2]华中科技大学计算机学院武汉光电国家实验室,湖北武汉430074

出　　处：《微电子学与计算机》2011年第7期121-124,共4页Microelectronics & Computer

基　　金：国家自然科学基金项目(60603074);国家"九七三"重大研究项目(2004CB318203)

摘　　要：提出了一种进行图像关联规则提取时产生频繁项集的方法——频繁项树.为便于频繁项树的运用,使用了bSQ的图像数据格式来重新组织图像数据,并在此基础上提出了频繁项树的截断、半深度优先、图像掩模和多层次灰度范围自动生成等优化技术,降低了算法的时间和空间复杂度,使其具有较高的运行效率和实用价值.This paper proposes an approach to generate frequent itemsets in mining image association rules ——Frequent Item Tree.We utilize bSQ image format to re-organize the image data to apply frequent item tree.Moreover,this paper propose several optimization techniques,including frequent item tree pruning,semi-depth-first search,image mask,and multi-level gray generation,to decrease the time and space complexity.

关 键 词：数据挖掘 关联规则 图像 频繁项树 bSQ 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]