基于层次梯度分析的协同数据挖掘算法  

Collaborative Data Mining Algorithm Based on Level Grads Analysis

作　　者：潘冬生[1,2] 章昭辉[1,2] 代秀娟[1,2] 杨娟[1,2] 

机构地区：[1]安徽师范大学数学计算机科学学院,安徽芜湖241000 [2]安徽师范大学高性能计算研究中心,安徽芜湖241000

出　　处：《计算机工程》2012年第2期72-74,共3页Computer Engineering

基　　金：安徽高校省级自然科学研究基金资助重点项目(KJ2008A104;KJ2009A096);芜湖市2010年度科技计划基金资助项目

摘　　要：传统的关联规则挖掘算法易形成大量频繁项目集,不适用于异构环境下海量交通数据的挖掘。为此,提出基于层次梯度且无候选项分析的协同数据挖掘算法。采用挖掘主题数据库和层次梯度构建层次业务数据库,逐层深度挖掘局部频繁项。利用弱化熵模型对频繁项主题数据库进行数据分析,并产生关联规则。实验结果表明,该算法适用于无候选项支持的协同挖掘。The classic data mining algorithm produces a lot of frequent-item set,which is not applied to the massive data mining in Intelligent Transportation System（ITS）.This paper proposes an algorithm based on level grads without candidate items analysis that is used for computing association rules under the heterogeneous environment.It uses the concept of both level grads and mining topic transaction databases forming the level transaction database and mining the local frequent-item.The main-node uses the concept of weakly-entropy to abstract some association rules.Simulation results show that this algorithm has better performance in collaborative mining without candidate support.

关 键 词：协同数据挖掘 关联规则 层次梯度 层次业务数据库 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]