69、关联规则可视化与基因相似度计算研究

关联规则可视化与基因相似度计算研究

在数据挖掘领域，关联规则可视化和基因相似度计算是两个重要的研究方向。关联规则可视化有助于用户更好地理解和分析数据中的关联关系，而基因相似度计算则能为生物学研究提供重要的参考。

关联规则可视化

在关联规则挖掘中，识别最显著的关联规则是一项极具挑战性的任务。降低最小支持度虽然能生成完整的关联规则集，但会显著增加计算量。为了解决这些问题，研究人员提出了加权最小关联规则框架（WELAR - f），通过改进的前缀树和频繁模式增长算法（LP - Tree和LP - Growth算法）来提取显著的关联规则，并引入了加权支持关联规则（WSAR*）测量方法。

相关工作

许多学者致力于开发关联规则可视化技术，以下是一些代表性的工作：
- 3D可视化方法 ：Wong等人使用3D方法对文本挖掘中的关联规则进行可视化。
- 图和并行坐标技术 ：Bruzzese和Buono利用图和并行坐标技术来分析大量的关联规则。
- 层次关联规则可视化 ：Ceglar等人引入了一种新的技术来可视化层次关联规则。

此外，在加权关联规则方面，Cai等人提出了基于支持边界方法的加权关联规则（WAR），Tao等人提出了加权关联规则挖掘（WARM）算法。但总体而言，加权关联规则的研究仍有待深入。

提出的方法

在提出的方法中，首先定义了一些基本概念：
- 最小项集 ：如果项集X的支持度满足α ≤ supp(X) ≤ β，则