基于三角模糊數(shù)的關(guān)聯(lián)規(guī)則方法研究.pdf

1、數(shù)據(jù)挖掘是近年來迅速發(fā)展的信息處理技術(shù)。數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。
　　關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘領(lǐng)域的一個重要研究分支,它的任務是發(fā)現(xiàn)所有滿足支持度閾值和置信度閾值的強關(guān)聯(lián)規(guī)則。近年來,關(guān)聯(lián)規(guī)則挖掘研究己經(jīng)成為數(shù)據(jù)挖掘中的一個熱點。而Apriori算法是關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法。
　　但是在具體的關(guān)聯(lián)規(guī)則挖掘應用方面經(jīng)常

2、遇到以下兩個問題:
　　(1)傳統(tǒng)的Apriori算法對所有的項不加任何的區(qū)分,一致對待。在發(fā)現(xiàn)事務數(shù)據(jù)庫中的關(guān)聯(lián)規(guī)則過程中,會不會遺漏一些重要的模式呢?
　　(2)如果考慮各個項的決策標準(權(quán)重)是不同的,那么項的權(quán)重如何考慮和劃分呢?
　　本文針對上述兩個問題提出了一種基于三角模糊數(shù)的Apriori算法。并利用PRETI( Platform for Research and Experiments in the T

3、reatment of Information)對Apriori算法和基于三角模糊數(shù)的Apriori算法進行了比較,驗證該算法比Apriori算法確實能夠有效解決上述兩個方面的問題。從而說明了該算法的有效性和可行性。
　　隨著數(shù)據(jù)挖掘和數(shù)據(jù)倉庫理論的成熟與應用的擴展,基于數(shù)據(jù)挖掘的客戶滿意度分析也日益受到人們的關(guān)注。本文根據(jù)客戶滿意度是客戶在消費過程結(jié)束后的心理體驗,而直觀模糊集的相關(guān)理論正好滿足了人們的這種偏好。所以結(jié)合直觀模糊