An improved method for mining association rules based on clustering transactiaons

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 531

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DCBDP01_047

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

date mining as a tool analyzing date from huge datbaes becomes an important research area. Among date minig tools, association rule ming enables us to find out correlations between date items and also demonstrates which of these correlations are repeated enough, so we can call them strong rules. in this paper we propose a new clustering, based algorithm for mining association rules which removes most of the entire database, finally, we compare our proposed algorithm with the apriori and CBAR algorithms which are two of the most popular algorithms in association rule mining.

نویسندگان

amirhossain shahsavari

department of informatiion technology and computer engineering, azarbaijan shahid madani university tabriz,iran

mohsen mafakheri

department of informatiion technology and computer engineering, azarbaijan shahid madani university tabriz,iran

shahram hosseinzadeh

department of informatiion technology and computer engineering, azarbaijan shahid madani university tabriz,iran

nacer farajzadeh

department of informatiion technology and computer engineering, azarbaijan shahid madani university tabriz,iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :