近期，我院在计算机领域数据挖掘方向顶级期刊《IEEE Transaction on Knowledge and Data Engineering》（IEEE TKDE，影响因子：9.235）发表了题为《Neighborhood Information-based Method for Multivariate Association Mining》的研究论文。青年教师成红红为第一作者，钱宇华教授为通讯作者，青年教师郭颖婕、博士生郑珂银与香港城市大学张青富教授为合作者。

研究针对大数据背景下识别多元变量关联关系面临的挑战展开研究，提出大数据背景下合理的多变量关联关系挖掘方法需满足可比性、可解释性、可扩展性、直观性、可靠性及稳健性等性质，设计了基于样本邻域信息的多变量关联度量MNA，理论（图1）和实验（图2）证明了所提方法的有效性和优越性。该研究为复杂关联关系挖掘方法提供了新颖的理论视角和设计思路。

图1: 样本邻域粒代替样本的有效性证明

图2：MNA在不同关联关系上的可靠性及稳定性表现优于比较方法

研究工作得到计算智能与中文信息处理教育部重点实验室、山西省机器视觉与数据挖掘工程研究中心、国家自然科学基金重点基金、国家重点研发计划、山西省自然科学青年基金的支持。

研究成果原文链接：https://ieeexplore.ieee.org/document/9782541