论文部分内容阅读
针对当前数据挖掘过程中,传统的关联规则算法挖掘出的规则集往往数量巨大,同时存在很多冗余,数据的单一属性特征变得淡化,挖掘陷入了无限查找到弊端。为了解决这一问题,本文提出了基于数据敏感性的约束关联挖掘算法,在自然连接产生候选集中,提出了数据敏感性的观点,利用不同的融合属性建立敏感度集合,形成新特征,减少了循环迭代次数和运行时间,同时在连接判断步骤中减少多余的判断次数,避免传统方法的弊端。仿真实验证明,这种改进算法能够大幅提高数据的查询速度,取得很好的效果。