메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제19권 제5호
발행연도
2017.1
수록면
2,323 - 2,329 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Interest in big data has been growing in recent years. Data mining is a technique for analyzing various types of big data. The most commonly used technique in data mining is association rules. There are three types of interestingness measures used to generate association rules. One is objective type, the other is subjective type, and the other is semantic type. As with the confidence, if the value of the Hellinger measure is different for the two cases (x⟶y, y⟶x), it is difficult to decide which one to decide whether to create a association rule. In this paper, we proposed a symmetric Hellinger measure that can replace the elementary association thresholds and the Hellinger measure. In particular, we confirmed some useful properties by some example data. As a result, we found that a symmetric Hellinger measure was more suitable as a association threshold than them because it was larger than or similar to Hellinger measure.

목차

등록된 정보가 없습니다.

참고문헌 (29)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0