一种基于K-means的关联规则聚类算法

发布时间：2019-06-20 03:32

【摘要】：关联规则是数据挖掘领域中的主要研究内容之一。针对高维海量数据集,尤其当支持度和置信度阈值太低时,将生成大量冗余和相似的关联规则,从而对关联规则的理解和使用造成了困难。本文采用改进的K-means思想,给出了一种关联规则聚类算法:首先重新定义了冗余关联规则,并给出了删除的方法;然后定义了一种新的规则间相似性度量;最后利用K-means思想,采用最大三角形方法选取聚类的初始点,将相似的关联规则归为一类。实验验证该算法能够帮助用户快速有效地找到有用的关联规则,提高了关联规则的可理解性。
[Abstract]:Association rules are one of the main research contents in the field of data mining. For high dimensional massive data sets, especially when the support degree and confidence threshold are too low, a large number of redundant and similar association rules will be generated, which makes it difficult to understand and use association rules. In this paper, an improved K-means idea is used to propose an association rule clustering algorithm: firstly, redundant association rules are redefined and the method of deletion is given; then a new similarity measure between rules is defined; finally, using K-means idea, the maximum triangle method is used to select the initial points of clustering, and the similar association rules are classified into one category. Experiments show that the algorithm can help users find useful association rules quickly and effectively, and improve the comprehensibility of association rules.
【作者单位】： 太原科技大学计算机科学与技术学院;
【分类号】：TP311.13

【相似文献】

相关期刊论文 前10条

1 张济强;高玉良;;遗传模拟退火算法在k-means聚类中的应用[J];电脑知识与技术;2012年07期

2 贾花萍;李尧龙;哈渭涛;史晓影;;K-means聚类神经网络分类器在睡眠脑电分期中的应用研究[J];河南科学;2012年06期

3 李学勇;高国红;孙甲霞;;基于互信息和K-means聚类的信息安全风险评估[J];河南师范大学学报(自然科学版);2011年02期

4 屈新怀;高万里;丁必荣;李朕;;基于聚类数和初始值的K-means算法改进研究[J];组合机床与自动化加工技术;2011年04期

5 边鹏;赵妍;苏玉召;;一种改进的K-means算法最佳聚类数确定方法[J];现代图书情报技术;2011年09期

6 宗瑜;金萍;李明楚;;BK-means:骨架初始解K-means[J];计算机工程与应用;2009年14期

7 韩凌波;;一种新的K-means最佳聚类数确定方法[J];现代计算机;2013年30期

8 李红岩;胡林林;王江波;周红芳;;基于K-means的最佳聚类数确定方法研究[J];电脑知识与技术;2014年01期

9 王勇;唐靖;饶勤菲;袁巢燕;;高效率的K-means最佳聚类数确定算法[J];计算机应用;2014年05期

10 吕强,俞金寿;基于混合遗传算法的K-Means最优聚类算法[J];华东理工大学学报(自然科学版);2005年02期

相关会议论文 前4条

1 杨青;刘晔;张东旭;刘畅;;快速查找最优初始聚类数K的改进K-means算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年

2 陈磊;胡佳敏;严华;;K-means算法在散货船代货运系统中的应用[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

3 张望;王辉;;个性化服务中的并行K-Means聚类算法[A];2007年全国开放式分布与并行计算机学术会议论文集(下册)[C];2007年

4 王守强;朱大铭;史士英;;基于输入点集求解k-Means聚类算法[A];第二十六届中国控制会议论文集[C];2007年

相关硕士学位论文 前9条

1 丁斌;基于布谷鸟算法的K-means聚类挖掘算法研究[D];合肥工业大学;2015年

2 许允栋;K-means聚类算法的改进与应用[D];广西师范大学;2015年

3 于洋洋;基于并行K-MEANS聚类分析的社群发现算法研究[D];东北大学;2012年

4 崔晓丽;基于MapReduce的海量数据K-means聚类算法研究[D];大连理工大学;2014年

5 高存彬;基于K-Means聚类法的水团划分算法和可视化研究[D];中国海洋大学;2008年

6 刘建国;改进的K-means算法及其在采油数据分析中的应用[D];北京邮电大学;2010年

7 陈翠卓;移动平台下基于K-means的租房信息聚类算法研究与实现[D];华中师范大学;2014年

8 高利军;基于K-Means聚类算法的智能化站点设计与实现[D];河南科技大学;2007年

9 时英晋;面向网页内容的K-means聚类算法的研究[D];东北大学;2011年

，

本文编号：2502884