来源：期刊VIP网 时间：
作者：王灵;侯春明;
单位：吉首大学商学院;吉首大学通信与电子工程学院;
摘要：为可靠挖掘具有维度高、倍增特点且呈稀疏分布的网络数据之间的关联特征，提出一种基于改进Apriori的网络高维数据关联特征挖掘方法。采用Boruta算法在原始网络高维数据中筛选出最具有代表性的特征，并有效处理其中的冗余特征数据；通过K最近邻插补子空间聚类算法插补选择的特征数据，以提升特征数据的完整性和连续性；利用改进Apriori算法挖掘插补后的特征数据集，结合关联规则支持度、置信度和提升度的计算结果确定多个关联规则强度，更好地判断特征之间的关联程度，实现网络高维数据关联特征的挖掘。测试结果表明：所提方法具有较好的特征选择能力，归一化互信息结果均在0.909以上，特征冗余程度均低于0.015 5；且能够较好地实现缺失特征插补处理，并依据设定阈值范围完成网络高维数据关联特征挖掘。
关键词：高维数据;;关联特征挖掘;;数据插补;;Apriori算法;;Boruta算法;;特征选择
基金资助：湖南省哲学社会科学项目（20YBA224）
