基于虚构理论对不平衡数据集中少数类关联规则挖掘的-云南大学学报.PDFVIP

云南大学学报（自然科学版），２０１７，３９（１）：３３～３８ ＤＯＩ：１０．７５４０／ｊ．ｙｎｕ Ｊｏｕｒｎａｌ ｏｆ Ｙｕｎｎａｎ Ｕｎｉｖｅｒｓｉｔｙ 基于虚构理论对不平衡数据集中 少数类关联规则挖掘的研究∗ 刘　 云，向　 婵 （昆明理工大学 信息工程与自动化学院，云南 昆明　 ６５０５００） 摘要：在网络入侵检测系统中，数据挖掘往往面对的是不平衡数据集，而对不平衡数据集中少数类的挖掘 是现在研究的热点．针对不平衡数据集中少数类的挖掘问题，提出了不平衡库关联规则挖掘算法（ＡＲＵＤ）．算法 首先构造一个知识联接强度矩阵，用来存储所有二项集的支持度计数，然后基于该矩阵挖掘满足最小说服度的 所有关联规则，且ＡＲＵＤ算法仅需扫描整个事务数据库 １次．采用了ＵＣＩ数据库中４个典型的不平衡数据集， － 对比Ａｐｒｉｏｒｉ算法与ＣＦＰ Ｇｒｏｗｔｈ算法，ＡＲＵＤ算法能有效提取不平衡数据集中的少数类，并在数据挖掘运行时 间和占用内存方面均有性能提升． 关键词：不平衡数据集；少数类；关联规则；说服度 － － － 中图分类号：ＴＰ ３１１　 　 文献标志码：Ａ　 　 文章编号：０２５８ ７９７１（２０１７）０１ ０３３ ０６ ［１２］ 　 　 在网络入侵等诸多应用中，广泛存在着对不平 库２次，运行时间较长．章志刚等 也提出了一种 ［１］ － 衡数据集的挖掘 ．在不平衡数据集里，数据样本 基于ＦＰ Ｇｒｏｗｔｈ 的频繁项目集并行挖掘算法，该算 分布在不同的类中，且各类所包含的数据样本数量 法基于Ｍａｐ／ Ｒｅｄｕｃｅ并行模型，在每个计算节点上 往往差异较大．数据样本数量占比例较多的类通常 构造局部频繁模式树，提高了算法效率，但对少数 称之为多数类，而拥有少量数据样本的类被称之为 类的挖掘并不高效．虽然这些改进型的算法在一定 少数类或稀有类，少数类往往是人们关注的重要事 程度上提高了挖掘效率，但是并不适用不平衡数据 － ［２ ４］ 件 ．对不平衡数据库中的少数类的快速挖掘和 集中的少数类的快速挖掘． － ［５ ７］ 分类问题是现在数据挖掘领域的热点 ．传统的 与上述算法相比，神经网络则具有快速计算能 － Ａｐｒｉｏｒｉ算法使用支持度及置信度的框架来衡量关 力和高性能，Ｈｅｃｈｔ Ｎｉｅｌｓｅｎ 提出了一种在一个简 联规则的强度，选择较高的支持度则会错失许多有 单的计算模型中人类认知的符号机制，被称作虚构 ［１３］ 趣规则，选择较小的支持度则会生成太多无趣规 理论 ．在该模型中所有领域知识都