计算机研究与发展

作者：钱宇华,张明星,成红红,

关键词：关联关系, 关联学习, 关联判别器, 关联图像数据集, 关联学习准则,

关联关系挖掘与发现是大数据挖掘与分析的重要基础，现有的关联关系挖掘方法多是对数据进行统计分析，对未知数据缺少关联判别作用.尝试从学习的角度进行关联关系挖掘，给出了关联学习的形式化定义和相关概念，并根据关联学习定义构建学习数据集.具体地构建了2类关联图像数据集(twoclassassociatedimagedatasets,TAID)，利用卷积神经网络提取关联特征，然后分别用softmax函数和K近邻算法判别关联关系，基于此提出3种关联关系判别器:关联图像卷积神经网络判别器(associatedimageconvolutionalneuralnetworkdiscriminator,AICNN)、关联图像LeNet判别器(associatedimageLeNetdiscriminator,AILeNet)和关联图像K近邻判别器(associatedimageK-nearestneighbordiscriminator,AIKNN).3种关联判别器在TAID数据集上进行测试，AICNN在64×64像素90000个训练样本上的判别精度达0.8217,AILeNet在256×256像素22500个训练样本上的判别精度达0.8456，AIKNN在256×256像素22500个训练样本上的判别精度达到0.8664.这3种关联判别器有效地证明了学习角度挖掘关联关系的可行性.

来源：2020年第2期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2020年第2期