[发明专利]海量数据集上主观兴趣度的关联规则优化算法有效
申请号: | 201310265305.0 | 申请日: | 2013-06-28 |
公开(公告)号: | CN103810371B | 公开(公告)日: | 2017-04-19 |
发明(设计)人: | 牛新征;周冬梅;侯孟书;杨健 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 成都华风专利事务所(普通合伙)51223 | 代理人: | 徐丰,杨保刚 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种海量数据集上主观兴趣度的关联规则优化算法,本发明使用复合模板同时优化分析,即分为总体印象知识模板(GI)、相对精确知识模板(RPC),这种分类扩大了用户含义表达范围,有助于从不同侧重点对关联规则进行优化,此外,把限制与包含模板的作用转而体现在不同兴趣度上,细化兴趣度为四种类型,包括一致度、后件不可预知度、前件不可预知度、不可预知度,使得优化粒度非常清晰;优化结合了复合模板的兴趣度计算模型,使得兴趣度的计算能合理适应复合分析环境。 | ||
搜索关键词: | 海量 数据 主观 兴趣 关联 规则 优化 算法 | ||
【主权项】:
海量数据集上主观兴趣度的关联规则优化算法,其特征在于该优化算法包括:1‑(a).数据获取步骤:为优化算法提供基础数据;1‑(b).用户指定模板步骤:所述模板是用户表达含义的载体,具体地:形如A1...Ai...Ak=>Ak+1,的蕴含式,其中Ai包含属性名、类名或者C+、C*的表达式,若为C+表示一个或多个类C的实例,若为C*表示零或多个类C的实例;用户选择指定GI模板、RPC模板或者同时指定GI模板和RPC模板;所述GI模板:用户因项间关系模糊而给出的不确定的知识模板,称为总体印象知识模板,简称GI模板,表示为gi[S1,...,Sm]其中,Si类型包含一个属性名、类名或者一条表达式;所述RPC模板:用户知晓项间关系且明确关系方向而给出的相对合理的知识模板,称为相对精确知识模板,简称RPC,表示为rpc[S1,...,Sm=>V1,...,Vg]其中,Sk类型包含一个属性名、类名或者一条表达式;1‑(c).解析模板步骤:根据模板对待优化的关联规则进行扫描计数;1‑(d).获取相关参数步骤:获取模板的相关数据及不匹配度量;1‑(e).计算模板权重累计值步骤:当指定多个模板时,模板权重为weight=1/n,其中n为模板数,设Xij、Yij分别为第i条相关规则Ri中前件、后件与GIj或RPCj中前件、后件不匹配程度的度量,TXi为Xij的权重累计值,TYi为Yij的权重累计值,TXi、TYi按如下公式计算:TXi=TXi+1/n*Xij;TYi=TYi+1/n*Yij;1‑(f).兴趣度计算:1‑(f‑1).根据公式计算一致度的步骤:规则Ri的兴趣度表示规则前件、后件与指定模板集U匹配的程度,用符号confi表示,称为规则Ri的一致度;confi=TXi*TYi1‑(f‑2).根据公式计算后件不可预知度的步骤:规则Ri的兴趣度表示规则后件与指定模板集U不匹配的程度,用符号unexpYi表示,称为规则Ri的后件不可预知度;unexpYi=TXi-TYi,TXi-TYi>00,TXi-TYi≤0]]>1‑(f‑3).根据公式计算前件不可预知度的步骤:规则Ri的兴趣度表示规则前件与指定模板集U不匹配的程度,用符号unexpXi表示,称为规则Ri的前件不可预知度;unexpXi=TYi-TXi,TYi-TXi>00,TYi-TXi≤0]]>1‑(f‑4).根据公式计算不可预知度的步骤:规则Ri的兴趣度表示规则前件、后件与指定模板集U不匹配的程度,用符号unexpi表示,称为规则Ri的不可预知度;unexpi=1‑max(confi,unexpYi,unexpXi)。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201310265305.0/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置