Resumen

En el contexto de la minería de datos binarios, para tener una visión unificada sobre las medidas de calidad probabilísticas de las reglas de asociación, la teoría de Totohasina de normalización de medidas de calidad de las reglas de asociación basada principalmente en homeomorfismo afín presenta algunas desventajas. De hecho, no puede normalizar algunas medidas de interés que se explican a continuación. Este artículo presenta una extensión de la misma, como un nuevo método de normalización basado en homeomorfismo homográfico adecuado que parece ser el más consecuente.

• Materias:Isomorfismos Funciones armónicas Problema elíptico Curva de Peano
• Subjects:Isomorphisms Harmonic functions Elliptic Problem Peano curve
• Palabras claves:Contexto; Minería de datos binarios; Visión unificadora; Medidas de calidad probabilísticas; Reglas de asociación; Teoría de Totohasina; Normalización; Homeomorfismo afín; Inconvenientes; Medidas de interés; Extensión; Nuevo método de normalización; Homeomorfismo homográfico adecuado; Consecuente
• Keywords:Context;binary data mining;unifying view;probabilistic quality measures;association rules;Totohasinas theory;normalization;affine homeomorphism;drawbacks;interestingness measures;extension;new normalization method;proper homographic homeomorphism;consequent