[发明专利]基于概率图模型的频繁模式关联分类方法

摘要

本发明涉及一种基于概率图模型的频繁模式关联分类方法。在Apriori频繁模式挖掘算法的执行结果之上，提供一种基于概率图模型的频繁模式间相互关系的表示及频繁模式的关联分类方法。以马尔可夫网这一重要概率图模型作为知识表示的基本框架，建立频繁模式与概率图模型的内在联系，构建频繁模式中蕴含的马尔可夫网，通过结点自底向上的聚集对频繁模式进行不同抽象层次上的关联分类，可以从全局的角度方便高效地表示频繁模式间任意形式的相互关系，不同抽象层次用户的关联分类具有较好的伸缩性，为后续研发提供理论依据和技术基础。

主权项

一种基于概率图模型的频繁模式关联分类方法，其特征在于：其按以下步骤完成，(1)获得频繁模式：基于Apriori频繁模式挖掘算法，并设置支持度阈值，得到1‑频繁项集，2‑频繁项集，……，直到不能得到更大的频繁项集为止，从而获得极大频繁项集；(2)构建频繁模式中蕴含的马尔可夫网：针对每个极大频繁项目集，首先构建以其中各频繁项目作为结点的全连通无向图，再将各极大频繁项目集所对应的完全子图进行合并，然后根据频繁项目之间是否条件独立来确定边的删除与保留，从而得到反应频繁项目之间全局相互关联的马尔可夫网；(3)频繁模式的层次聚集：根据弦化的定义，将构建的马尔可夫网弦化处理，同时建立马尔可夫网中各结点极大完全子图的无环序，进而得到以极大完全子图为结点的联接树，根据联接树中极大完全子图的无环序进行联接树中结点的聚集合并，自底向上的方式重复此过程，直到满足用户所需抽象程度为止。