模糊關(guān)聯(lián)規(guī)則挖掘算法的研究.pdf

1、近年來，關(guān)聯(lián)規(guī)則挖掘因可以從二值型數(shù)據(jù)集中提取項之間隱藏或蘊含的關(guān)系而成為了一個重要的研究議題。它通過兩個步驟來尋找規(guī)則，首先是在既定的最小支持度下尋找頻繁項集，然后利用既定的最小置信度從頻繁項集中產(chǎn)生規(guī)則。但這個過程中存在著三個主要問題；其一，在尋找規(guī)則時需要頻繁的訪問數(shù)據(jù)庫且先驗的逐層搜索會產(chǎn)生大量候選項集；其二，傳統(tǒng)的挖掘算法只能處理二值型數(shù)據(jù)集；其三，為挖掘規(guī)則需要先找到合適的最小支持度和最小置信度，而這是一個很困難的工作。過去

2、，研究人員利用1-型模糊集合來處理量化數(shù)據(jù)集，他們利用模糊函數(shù)將量化數(shù)據(jù)集中的項轉(zhuǎn)化成多個擁有隸屬度值的語言性術(shù)語，而2-型模糊集合作為1-型模糊集合的擴(kuò)展也被用來處理量化數(shù)據(jù)的不確定性問題，因為它可以更好揭示項之間的關(guān)系。
　　基于2-型模糊集合的逐層搜索算法在過去被提出以用于模糊頻繁項的挖掘，但它使用逐層產(chǎn)生后測試的搜索方式而需要耗費大量的計算。同時，在從得到的候選項集中去判斷真正的頻繁項集時需要頻繁的訪問數(shù)據(jù)集。為解決上述問

3、題，本研究提出了一個模糊list結(jié)構(gòu)以用于模糊頻繁項的挖掘，它結(jié)合2-型模糊集合來處理量化數(shù)據(jù)集，同時記錄項在事務(wù)中必要的信息以供后續(xù)的挖掘過程使用。基于此結(jié)構(gòu)本研究提出了基于list的模糊頻繁項挖掘算法，同時使用兩個剪枝策略來減少空間搜索以加快頻繁項的挖掘。實驗表明，同基于先驗方式的最新方法相比，提出的算法可以減少大量的計算時間，同時在遍歷節(jié)點數(shù)目上平均減少約23％。在進(jìn)一步的工作中，本研究提出了一個改進(jìn)的list結(jié)構(gòu)以增強(qiáng)剪枝策略的

4、作用，此改進(jìn)結(jié)構(gòu)不再使用實際最大值而是相對最大值。從實驗中發(fā)現(xiàn)，同原list結(jié)構(gòu)相比，新結(jié)構(gòu)在遍歷節(jié)點數(shù)上平均減少約14%，同時也大量減少了運行時間。
　　因為在挖掘過程中找到合適的最小支持度和最小置信度是非常困難的，而針對這個問題的研究中，項之間基于命題邏輯的一致關(guān)系被研究出來，所以本課題研究了結(jié)合利用改進(jìn)list結(jié)構(gòu)和2-型模糊集合以用于在量化數(shù)據(jù)集中挖掘一致關(guān)聯(lián)規(guī)則，并提出了基于list的模糊一致關(guān)聯(lián)規(guī)則挖掘算法，而且使用兩