基于模糊集理論的量化關(guān)聯(lián)規(guī)則挖掘.pdf

1、數(shù)據(jù)挖掘是當(dāng)前信息科學(xué)領(lǐng)域最前沿豹研究課題之一，在許多領(lǐng)域均有成功的應(yīng)用范例。它可以發(fā)現(xiàn)一些隱藏在大量數(shù)據(jù)背后潛在的信息來預(yù)測事物發(fā)展趨勢(shì)。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)重要研究方向。為解決量化關(guān)聯(lián)規(guī)則挖掘過程中的“尖銳邊界”問題，已有研究者將模糊集的有關(guān)概念引入到關(guān)聯(lián)規(guī)則挖掘中，提出了“模糊關(guān)聯(lián)規(guī)則”。模糊集理論能夠?qū)崿F(xiàn)數(shù)據(jù)的平滑過渡，使得挖掘出的關(guān)聯(lián)規(guī)則具有高度的易理解性。但仍存在支持度定義不合理、主觀地確定隸屬函數(shù)等問題。本文就

2、上述問題，給出了一些解決方案，主要工作如下： 1、提出了一種新的支持度計(jì)算方法，并在此基礎(chǔ)上，結(jié)合Apriori算法，提出了一種挖掘模糊關(guān)聯(lián)規(guī)則算法。實(shí)驗(yàn)表明，該算法是有效的。 2、模糊關(guān)聯(lián)規(guī)則挖掘中需確定隸屬函數(shù)，提出了一種基于FCM的自動(dòng)確定樣本隸屬度函數(shù)的方法。該方法克服了人為確定隸屬函數(shù)、帶有主觀性的缺陷。該方法在認(rèn)知尚未成熟、缺乏先驗(yàn)知識(shí)的領(lǐng)域中具有應(yīng)用前景。 3、系統(tǒng)地分析了t-模算子對(duì)挖掘結(jié)果豹影響