一种面向布尔时间序列的关联规则挖掘算法

布尔时间序列中的关联规则挖掘较难处理, 因为多数关联规则仅挖掘不同事务共同出现的规则, 却难以体现同一事件在不同时间内动态变化间的关联性. 鉴于此, 提出一种新的关联规则挖掘框架, 利用常量化表示布尔数据的时间属性, 结合聚类算法与关联分析, 提高规则的支持度, 从而解决布尔时间序列数据在关联规则挖掘中的时间值表示问题, 并使用多种指标评价规则与传统算法比较. 在真实的中风病预后好转数据预测中验证了所提出算法的有效性.