基于粗糙集理論的關(guān)聯(lián)規(guī)則挖掘研究.pdf

1、隨著大規(guī)模數(shù)據(jù)庫的廣泛使用和Internet的迅猛擴(kuò)展，全球范圍內(nèi)數(shù)據(jù)庫中存儲的數(shù)據(jù)量迅速增大。海量的數(shù)據(jù)未能充分利用這一現(xiàn)象常常被描述為“數(shù)據(jù)豐富，但知識貧乏”。如何從這些海量數(shù)據(jù)中發(fā)現(xiàn)知識，導(dǎo)致了數(shù)據(jù)挖掘領(lǐng)域的出現(xiàn)。 20世紀(jì)80年代初由Z．Pawlak首次提出的粗糙集(Rough set)理論適用于處理和提取含糊性和不精確性的知識，近年來由于在數(shù)據(jù)挖掘等領(lǐng)域得到了成功的應(yīng)用而受到國際上廣泛關(guān)注?；诖植诩碚摰膶傩约s簡和規(guī)

2、則冗余值約簡能夠降低屬性的維數(shù)，總結(jié)出適用于決策支持的知識規(guī)則，這是粗糙集理論在數(shù)據(jù)挖掘鄰域最重要應(yīng)用之一。 如今，關(guān)聯(lián)規(guī)則廣泛應(yīng)用于各個領(lǐng)域，而算法效率不高，規(guī)則冗余度較大，用戶僅對一部分關(guān)聯(lián)規(guī)則感興趣是目前關(guān)聯(lián)規(guī)則挖掘算法普遍存在的問題，因此，將粗糙集理論與關(guān)聯(lián)規(guī)則提取這兩種方法的綜合，從大量的數(shù)據(jù)中迅速挖掘用戶感興趣的關(guān)聯(lián)規(guī)則是有現(xiàn)實意義的，曾有人提出過這種構(gòu)思，但無建模、實現(xiàn)等更深入的工作。 本文對粗糙集理論和關(guān)

3、聯(lián)規(guī)則挖掘算法進(jìn)行了深入而系統(tǒng)的研究，在總結(jié)現(xiàn)有方法的基礎(chǔ)上，首先提出了一種基于差別矩陣的高效求核算法和基于差別矩陣的屬性相對約簡和規(guī)則提取方法，能夠?qū)χR系統(tǒng)進(jìn)行處理，方便后面的決策規(guī)則提取，隨后，在Apriori算法基礎(chǔ)上提出了一種帶結(jié)論域的關(guān)聯(lián)規(guī)則挖掘模型，并提出了一種全新的挖掘正負(fù)關(guān)聯(lián)規(guī)則的算法。接下來，深入分析了冗余規(guī)則產(chǎn)生的原因，提出了一種對頻繁項集進(jìn)行約束的算法，從而減少冗余規(guī)則的生成。最后，探討了已有有效規(guī)則評判標(biāo)準(zhǔn)的利