Granulated Tables with Frequency by Discretization and Their Application
Granulated Tables with Frequency by Discretization and Their Application
复制标题
频率离散化粒度表及其应用
DOI：
10.1007/978-3-030-74826-5_12
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Jian Zhiwen
中科院分区：
文献类型：
--
作者：
Sakai Hiroshi;Jian Zhiwen
我们处理了从具有离散属性值的表生成规则的问题，并将 Apriori 算法扩展到 DIS-Apriori 算法和 NIS-Apriori 算法。两种算法使用表数据特征，NIS-Apriori 从具有不确定性的表中生成规则。在本文中，我们处理具有连续属性值的表。我们通常采用连续数据离散化，并且经常具有这样的性质：不同的对象具有相同的属性值。我们通过离散化定义了频率的粒化表，并根据这一特性将上述两种算法调整为粒化表。针对大数据分析调整算法，提高了规则生成的性能。获得的规则也应用于基于规则的推理，这为人工智能中的黑盒问题提供了一种解决方案。
We have coped with rule generation from tables with discrete attribute values and extended the Apriori algorithm to the DIS-Apriori algorithm and the NIS-Apriori algorithm. Two algorithms use table data characteristics, and the NIS-Apriori generates rules from tables with uncertainty. In this paper, we handle tables with continuous attribute values. We usually employ continuous data discretization, and we often had such a property that the different objects came to have the same attribute values. We define agranulated table with frequencyby discretization and adjust the above two algorithms to granulated tables due to this property. The adjusted algorithms toward big data analysis improved the performance of rule generation. The obtained rules are also applied to rule-based reasoning, which gives one solution to the black-box problem in AI.
基于Apriori的可疑网络事件识别数据分析
DOI：
10.1109/bigdata47090.2019.9006420
发表时间：
2019
期刊：
2019 IEEE International Conference on Big Data (Big Data)
影响因子：
--
作者：
Zhiwen Jian;H. Sakai;J. Watada;Arunava Roy;M. H. Hassan
通讯作者：
M. H. Hassan
infobright 的数据仓库技术
DOI：
10.1145/1559845.1559933
发表时间：
2009
期刊：
Proceedings of the 2009 ACM SIGMOD International Conference on Management of data
影响因子：
--
作者：
D. Ślęzak;Victoria Eastwood
通讯作者：
Victoria Eastwood
论LEM1和LEM2算法中的最佳搜索方法
DOI：
10.1007/978-3-7908-1888-8_4
发表时间：
1998
期刊：
--
影响因子：
--
作者：
J. Grzymala;Paolo Werbrouck
通讯作者：
Paolo Werbrouck