论文部分内容阅读
关联规则挖掘是数据挖掘领域的一个重要研究方向,规则膨胀的问题是困扰规则发现和应用的主要问题。为了得到数量少、质量优的关联规则,给出了一种同时挖掘正、负有趣关联规则的算法。采用置信度增量替代置信度,引用一种兴趣度量标准,避免生成相互矛盾的、虚假的关联规则。在得到关联规则后,又对预期的和可推导的关联规则进行了修剪。