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。