基于模糊集的時(shí)序關(guān)聯(lián)規(guī)則研究與應(yīng)用.pdf

1、時(shí)序關(guān)聯(lián)規(guī)則在規(guī)則隨時(shí)間變化較大的應(yīng)用領(lǐng)域的有效應(yīng)用,使我們可以根據(jù)規(guī)則隨時(shí)間變化的規(guī)律更好地描述客觀現(xiàn)實(shí)情況,更好的識(shí)別動(dòng)態(tài)系統(tǒng)的重現(xiàn)特征,及時(shí)調(diào)整企業(yè)經(jīng)營(yíng)的策略,預(yù)測(cè)特定事件的未來(lái)發(fā)生,也使其成為數(shù)據(jù)挖掘的重要研究方向,在實(shí)際的應(yīng)用中具有重要的意義。
　　針對(duì)原有時(shí)序關(guān)聯(lián)規(guī)則在支持度度量上的不足,其算法在處理高密度海量數(shù)據(jù)時(shí)往往要耗費(fèi)大量的時(shí)間處理規(guī)模巨大的頻繁項(xiàng)候選集,同時(shí)需要多次重復(fù)掃描數(shù)據(jù)庫(kù),執(zhí)行效率很低的問(wèn)題,充分利用

2、FP-Growth框架的高時(shí)空效率,提出了重新定義支持度度量方法后的時(shí)序關(guān)聯(lián)規(guī)則的結(jié)構(gòu)樹(shù)優(yōu)化算法OFP-Growth。該算法在生成有效頻繁項(xiàng)集的同時(shí),可以存儲(chǔ)和計(jì)算頻數(shù)向量,大大提高了執(zhí)行的效率。
　　針對(duì)時(shí)序關(guān)聯(lián)規(guī)則在解決商品項(xiàng)分類時(shí)涉及到的分層不確定、不準(zhǔn)確情形,引入了層次型關(guān)聯(lián)規(guī)則的模糊擴(kuò)展,即基于隸屬度模糊的層次分類結(jié)構(gòu)。它克服了原有分類結(jié)構(gòu)僅僅考慮不同層次之間的語(yǔ)義差異,而沒(méi)有進(jìn)一步考慮具有不同隸屬度項(xiàng)的語(yǔ)義差異的不足。