作者：贺志; 田盛丰; 黄厚宽优化规则关联规则兴趣度启发式方法近似
摘要：优化关联规则允许在规则中包含未初始化的属性．优化过程就是确定对这些属性进行初始化，使得某些度量最大化．最大化兴趣度因子用来发现更加有趣的规则；另一方面，允许优化规则在前提和结果中各包含一个未初始化的数值属性．对那些处理一个数值属性的算法进行直接的扩展，可以得到一个发现这种优化规则的简单算法．然而这种方法的性能很差，因此，为了改善性能，提出一种启发式方法，它发现的是近似最优的规则．在人造数据集上的实验结果表明，当优化规则包含两个数值属性时，优化兴趣度因子得到的规则比优化可信度得到的规则更有趣．在真实数据集上的实验结果表明，该算法具有近似线性的可扩展性和较好的精度．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
