时态约束中时序关联规则挖掘  

A New Model of Temporal Association Rules Miming

作　　者：刘鹏飞[1] LIU Peng-fei （School of Electronic ＆ Information Engineering Lanzhou Jiaotong University, Lanzhou 730070, China）

机构地区：[1]兰州交通大学电子与信息工程学院,甘肃兰州730070

出　　处：《电脑知识与技术》2012年第3期1483-1485,1489,共4页Computer Knowledge and Technology

摘　　要：时态数据是一类重要的数据信息。利用数据中包含的时间属性可以形象描述数据中潜在的变化规律。从现有的时序关联规则的局限性出发，该文提出了一种新的基于聚类算法的时序关联规则提取方法。本文的方法将K—means聚类算法运用在关联规则模型构造上，将一个时序序列周期通过分割，形成几个长度相等或者不等的子时序序列，然后进行关联规则提取，从而能够更为准确的发现时序关联规则。Temporal data is a kind of useful information. Temporal attributes in data can be used to find some potential change rules of data. By the reason of the limitation of exiting model, the paper purposed a new method of Temporal Association Rules, which can discover temporal association rules more precisely by dividing a temporal sequence into several time sequence segments of different lengths or same length by employing K-means clustering into the building of the algorithm.

关 键 词：数据挖掘 关联规则 时序关联规则 K—means 

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