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。