海量数据集上主观兴趣度的关联规则优化算法

发明专利有效专利

申请号：
CN201310265305.0
IPC分类号：G06F19/00
申请日期：
2013-06-28
申请人：
电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	海量数据集上主观兴趣度的关联规则优化算法
申请号	CN201310265305.0	申请日期	2013-06-28
法律状态	授权	申报国家	中国
公开/公告日	2014-05-21	公开/公告号	CN103810371A
优先权	暂无	优先权号	暂无
主分类号	G06F19/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） 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（专门适用于特定功能的入G06F17/00；专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或数据处理方法入G06Q；医疗信息学入G16H）〔6，2006.01，2011.01，2018.01〕	IPC分类号	G;0;6;F;1;9;/;0;0查看分类表>
申请人	电子科技大学	申请人地址	四川省成都市高新区（西区）西源大道2006号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	电子科技大学	当前权利人	电子科技大学
发明人	牛新征;周冬梅;侯孟书;杨健
代理机构	成都华风专利事务所（普通合伙）	代理人	徐丰;杨保刚

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。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供