基于數(shù)據(jù)驅(qū)動(dòng)FCM的模糊關(guān)聯(lián)規(guī)則算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘中一種重要的方法，模糊關(guān)聯(lián)規(guī)則挖掘算法是數(shù)據(jù)挖掘的一個(gè)主要研究方向，隨著模糊C-均值聚類算法（Fuzzy C-means，F(xiàn)CM）的提出，將FCM算法應(yīng)用于挖掘模糊關(guān)聯(lián)規(guī)則成為數(shù)據(jù)挖掘新的重要研究領(lǐng)域。
　　本文主要研究模糊C-均值聚類算法以及模糊關(guān)聯(lián)規(guī)則算法，首先提出了一種基于數(shù)據(jù)驅(qū)動(dòng)FCM的預(yù)處理方法，而后在此基礎(chǔ)上分別對(duì)傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘Apriori算法和加權(quán)模糊關(guān)聯(lián)規(guī)則算法提出了兩種新的改進(jìn)算法，本文的

2、主要工作如下：
　　1、提出了基于數(shù)據(jù)驅(qū)動(dòng)FCM的預(yù)處理方法（data-driven fuzzy c-means，DD-FCM）。此方法可以把定量屬性轉(zhuǎn)換為二進(jìn)制屬性，使用數(shù)據(jù)驅(qū)動(dòng)方式產(chǎn)生模糊隸屬度函數(shù)和模糊分區(qū)。實(shí)驗(yàn)結(jié)果表明使用DD-FCM預(yù)處理方法產(chǎn)生的模糊隸屬度函數(shù)可以在沒(méi)有專家預(yù)先給出的情況下正常工作，并且預(yù)處理性能要明顯優(yōu)于BIRCH和 CLARANS硬聚類算法，從而說(shuō)明對(duì)于大型數(shù)據(jù)庫(kù)而言，該方法是高效可行的。
　

3、　2、提出了基于DD-FCM的Apriori算法（An Apriori Algorithm Baesd on data-driven fuzzy c-means，DD-FCMA）。通過(guò)處理由DD-FCM方法產(chǎn)生的模糊集，并運(yùn)用Apriori算法的向下封閉性性質(zhì)（DCP）來(lái)挖掘模糊關(guān)聯(lián)規(guī)則。它克服了傳統(tǒng)Apriori算法在處理大型數(shù)據(jù)庫(kù)時(shí)挖掘時(shí)間上的缺點(diǎn)，并且通過(guò)此方法挖掘出的規(guī)則具有強(qiáng)關(guān)聯(lián)性和語(yǔ)義性。
　　3、提出了基于DD-FC