gougoua01的专栏

这是2004年的一篇讲高效用项集挖掘的论文，算是一篇科普性的文章。 文章介绍了效用值的计算方法，但是是在超市购物的背景下的，分为一个事务效用值和额外效用值，事务效用值是在事务表中体现出来的，文中给出的是超市购物的事务表（表一），表中每一个Item下的数字表示在该事务中购买的量，例如T1事务中，Item A购买了一个，Item B购买数量为0，Item C购买数量为1，Item D购

目前，针对时态和空间数据挖掘的研究文献很多，但是综合考虑时态和空间下研究时空关联规则尚没有经典成果，现有的时空关联规则挖掘方法是通过构造事务表，并在事务表中挖掘时空关联规则。    构造事务表的方法大致可以分为基于时空关系和基于时空划分的方法。    基于时空关系的方法主要是考虑时空目标间的时空关系来构建事务表；基于时空划分的方法是将时空区域划分为若干相同大小的单元格，然后在每个单元格里构

Mining Association Rules in Spatio-Temporal Data：An Analysis of Urban Socioeconomic and Land Cover Change    文章利用关联规则挖掘方法探索科罗拉多州丹佛市的社会经济指标和土地利用变化之间的关系，探讨了怎样从时空数据中挖掘出关联规则，实际上这个研究并没有考虑时间，仅仅考虑了空间

文章研究了一个系统，针对于两个不同的人群，分别是出租车司机和乘客，对于出租车司机而言，为他们提供最好的停靠点或是最容易在巡航中等到乘客的路段，对于乘客而言，为他们提供最好的停靠点或路段，以便能够更方便的打到出租车。    主要做了以下几方面的研究：生成停靠点；路段生成的聚类方法；出租车载到乘客的概率计算方法；乘客在时间阈值内等到出租车的概率计算方法。    一、生成