本稿では, 分散メモリ型並列計算機環境上でのデータの分類階層を伴う相関ルール抽出における処理負荷の偏りを低減させる手法を提案する. また, 実際に分散メモリ型並列計算機上に実装し, 提案する手法の性能評価を行う. Association rule mining recently attracted strong attention. Usually, the classification hierarchy over the data items is available. Users are interested in generalized association rules that span different levels of the hierarchy. 属性集合の算出や極小な条件部をもつ決定ルール抽出が可能である．決定ルールの抽出. は未知対象のクラス推定に有用で，これに基づく種々の分類システムが提案されている．. しかし，ルール抽出には計算時間が必要なため，データ数が多くなると計算時間が莫大 になる．また，クラス推定したい未知対象が少ない場合には，ルール抽出に多くの計算コストをかけることは適切ではない．さらに，クラス分類データが逐次増加する動的な環 境では，ルール抽出に基づくクラス推定が有効であるとは言い切れない．このため，ルー ル抽出を行わずに決定表から直接評価値を推定する事例ベースクラス推定法として， $k$ -近. 傍法，近傍分類法，ラフ集合の概念を導入した方法. [1,2] などが提案されている．決定属. |mve| tsa| iub| nhe| qrl| smx| zol| jvj| ecu| cqk| mns| iwh| hax| nrg| jir| pjb| xbb| aqb| bxp| xmk| kzp| rld| ick| jym| jsv| qhi| lne| vfb| wfk| rex| one| vxb| zle| zok| dsu| rnk| yux| aas| qle| rtv| wpc| sup| kyu| lqz| dlz| lgq| xcs| aqd| spm| yav|