HASAR : mining sequential association rules for atherosclerosis risk factor analysis
Résumé
We present the HASAR method that is an hybrid approach for ex- tracting adaptive sequential association rules. This method extracts association rules between events occurring in subsequent time-intervals using closed itemsets extraction and evolutionary techniques. An important feature is its capacity to consider different time-intervals depending on the attributes semantic. We applied this method for the analysis of long term medical observations of atherosclerosis risk factors for cardio-vascular diseases prevention. Experimental results show that it is well-suited for extracting knowledge from temporal data where interesting patterns have different observation period length.
Nous présentons la méthode HASAR qui est une approche hybride pour lextraction de règles dassocations séquentilles. Cette méthode extrait des règles association entre des évènements ayant lieu à différent moment en extrayant des itemsets fermés fréquents et en utilisant des techniques évolutionnaires. Une fonctionnalité important de notre méthode est sa capacité à sadapter à différente échelle de temps en fonction de la sémantique des attributs. Nous avons appliqué cette méthode pour analyser des observations médicales à long terme sur les facteurs de risques de lartherosclerose. Les résultats expérimentaux ont montré que cette méthode est bien adaptée pour extraire des connaissance à partir de données temporelles ou les motifs intéressants doivent être observés sur différentes périodes de temps.
Origine : Fichiers produits par l'(les) auteur(s)