一种新的面向普通用户的多值属性关联 规则可视化挖掘方法

fordies1

摘 要： 针对传统关联规则可视化挖掘方法不利于处理多值属性数据、缺乏展现数据间的频繁模式和关联模式 以及效率低下等问题，提出了基于 ＫＡＦ因子和 ＣＨＦ因子的 Ａｐｒｉｏｒｉ改进算法进行多值属性关联规则挖掘，实现了一种 新的基于概念格的多值属性关联规则可视化方法．运用概念格理论对多值属性数据进行了重新定义和分类，建立了较 为完整的挖掘过程参数调整策略，方便用户选择关键属性值进行规则挖掘分析，提高了算法运行速度和挖掘效率．以 概念格结构将多值数据组织起来，实现了对频繁项集的可视化展示，以及关联规则的多模式可视化展示．实验结果表 明，改进后的挖掘算法具有更好的性能，所提出的可视化形式和已有成果相比具有良好的展现效果． 关键词： 多值属性；概念格；关联规则；可视化挖掘

在数据挖掘研究领域中，关联规则可视化挖掘是一 个重要的研究方向，其目标是借助可视化技术从数据集 中发现属性间隐藏的价值信息．然而，现有一些方法不 能有效地处理海量数据集中多值属性数据、无法简洁直 观地展现出数据间存在的频繁模式和关联模式．作为数 据分析的有力工具，概念格已经被人们应用到数据挖掘 研究中，诸如基于量化概念格的关联规则挖掘分析方 法［１］、基于格和哈希表的关联规则挖掘方法［２］、自适应方法［３］和多维关联规则挖掘［４］等算法相继出现．另外 还有一些借助人类视觉能力实现规则可视化挖掘：基 于形式背景分析的频繁项集搜索与关联规则提取的可 视化方法［５］、采用着色和变形技术从概念格提取多值 数据并对其进行树形可视化展示［６］、利用可视化后处 理方法进行交互式关联规则挖掘［７］、关联规则的分层 展示［８］．Ｄａｒｉｏ等［９］对 ８类关联规则的可视化展现技术 进行了综合分析，这些方法一般适用于布尔类型数据， 而不利于处理多值属性数据，无法满足用户分析与展 现多值属性项之间频繁模式和关联关系的需求．
附件下载：

游客，如果您要查看本帖隐藏内容请回复

, e2 T( P' l+ L5 C0 S

silenced

利用可视化后处 理方法进行交互式关联