基于Rough Set的關聯(lián)規(guī)則研究.pdf

1、關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領域中一個重要的研究方向，它反映了一個事物與其他事物之間的相互依存性和關聯(lián)性。IBM公司Almaden研究中心的R.Agrawal首次提出關聯(lián)規(guī)則的模型，并給出求解算法，其中Apriori算法最為經(jīng)典，后人大多數(shù)是在此算法的基礎上進行了改進。雖然在算法的時間效率方面有了明顯的提高，但仍存在很大的提高空間，另外還存在著一個嚴重的問題：在關聯(lián)規(guī)則的挖掘過程中，由于它所使用的支持度沒有考慮屬性之間的重要性的差別，從而導致

2、了挖掘出大量無效的，無用的，用戶不感興趣的冗余的規(guī)則。本文以此為立據(jù)，一方面，利用粗糙集(Rough Set)的有關理論，提出新的關聯(lián)規(guī)則挖掘算法，提高了算法的時間效率；另一方面，把事務數(shù)據(jù)中各個屬性權值考慮在內(nèi)，重新定義新的加權支持度，提高了挖掘結(jié)果有效性。 主要工作包括： 1、運用粗糙集(Rough Set)的有關理論，推導出“多屬性不可分辨類”的性質(zhì)，然后利用此性質(zhì)，提出了一種新的關聯(lián)規(guī)則挖掘算法，該算法僅需掃描一