基于信息熵的兴趣度规则挖掘算法.pdfVIP

第 27卷 第 6期 模式识别与人工智能 Vo1．27 No．6 2014年 6月 PR ＆ AI June 2014 基于信息熵的兴趣度规则挖掘算法 (中国科学院合肥智能机械研究所 仿生计算与智能决策实验室 合肥 230031) (中国科学技术大学 自动化系 合肥 230026) 摘 要 传统关联规则挖掘方法通常产生海量杂乱的规则 ，它们对用户而言是冗余的．为解决该问题，文中提出一 种基于信息熵的兴趣度规则挖掘算法．通过变量相关性分析剔除原始规则集中虚假 、错误的规则，并在信息熵的基 础上提出度量关联规则兴趣度的框架．该算法不依赖用户先验知识，能无偏地表达数据包含的信息．在真实和仿真 数据集上的实验验证该算法能有效挖掘兴趣度规则 ，且性能比传统算法更优． 关键词 知识发现 ，关联规则，兴趣度度量 ，信息熵 中图法分类号 TP311 InterestingnessRuleM iningAlgorithm BasedonInformationEntropy JIN Zhou一，WANG Ru．Jing (BionicComputingandlntelligentDecisionLaboratory，InstituteofIntelligentMachines， ChineseAcademyofSciences，Hefei230031) (DepartmentofAutomation，UniversityofScienceandTechnologyofChina，Hefei230026) ABSTRACT Withthedevelopmentofdatacollection and storagetechniques，excessiveandunorderlyrulesare generatedbytraditionalassociationrulemining，which can notmeetinterestofusers．To solvethis problem，aninterestingnessmeasureofassociationrulesbasedoninformationentropyisproposedtomine interestingnessassociationurles．Correlationanalysisforcategoricalvariablesisadoptedtoeliminatefalse anderroneousurlesfrom theprimitiveset，andaframeworkofrevaluatingtheinterestingnessdegreeof rulesbasedoninformationentropyisproposed．Sincethemethoddoesnotdependonthepriorknowledge ofusers，itcanrepresenttheinformation hidden inthedataaccurately．Simulationresultsonbothreal andsyntheticdatasetsshow thattheproposedalgorithm perfomr sbetterthanthetraditionalalgorithms ， anditdiscoversinterestingnessurlesfrom largedatabaseefficiently． KeyW ords KnowledgeDiscovery，AssociationRule，InterestingnessMeasure