模糊關(guān)聯(lián)規(guī)則挖掘模型的研究與應(yīng)用.pdf

1、近年來,數(shù)據(jù)挖掘技術(shù)成為數(shù)據(jù)庫和人工智能中最具活力的研究領(lǐng)域,引起了專家學(xué)者的廣泛關(guān)注。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘技術(shù)的一個重要研究方向,也在眾多應(yīng)用領(lǐng)域中取得了理想的效果。在新干法水泥生產(chǎn)中,各個生產(chǎn)環(huán)節(jié)控制效果的好壞將對最終的熟料產(chǎn)生重要影響,本文以預(yù)分解系統(tǒng)中的分解爐溫度控制為例,將模糊關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用于其中,充分利用生產(chǎn)中的歷史數(shù)據(jù),挖掘出有效的關(guān)聯(lián)規(guī)則形式,豐富了專家經(jīng)驗庫的同時,也為實際的生產(chǎn)控制優(yōu)化提供指導(dǎo)。
　　

2、 本文基于國內(nèi)外關(guān)聯(lián)規(guī)則挖掘技術(shù)的研究成果,首先介紹了現(xiàn)有的模糊關(guān)聯(lián)規(guī)則挖掘技術(shù),針對挖掘算法中存在的不足之處,提出了一種新的模糊關(guān)聯(lián)規(guī)則挖掘算法,然后將算法應(yīng)用于水泥分解爐的溫度控制中,分析了算法的有效性和可行性。
　　 本文的主要研究工作如下:
　　 (1)首先,在數(shù)據(jù)的模糊化過程中,采用了一種改進(jìn)的聚類算法DFCM。在傳統(tǒng)的模糊c均值聚類技術(shù)的基礎(chǔ)之上,針對其對初始聚類中心敏感,容易陷入局部極小值的缺點,引入了密度

3、函數(shù)的方法來獲取初始聚類中心,克服了因分類錯誤造成對挖掘結(jié)果的不利影響,最終提高了規(guī)則的可信度。
　　 (2)其次,在規(guī)則的獲取環(huán)節(jié)中,在現(xiàn)有的Apriori算法的基礎(chǔ)上,針對算法需要多次掃描數(shù)據(jù)庫,數(shù)據(jù)量較大的情況下耗時增加的缺點,提出了一種逐步剪枝的挖掘算法,減少了掃描數(shù)據(jù)庫的次數(shù),提高了算法的挖掘效率。
　　 (3)最后,介紹了算法的實際應(yīng)用性,將其應(yīng)用于預(yù)分解系統(tǒng)中的分解爐溫度控制環(huán)節(jié)中。在闡述了分解爐系統(tǒng)的相關(guān)