基于模糊的關(guān)聯(lián)規(guī)則挖掘研究.pdf

1、關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中的重點(diǎn)研究內(nèi)容之一。而在關(guān)聯(lián)規(guī)則挖掘中又有多個不同的研究分支，其中按數(shù)據(jù)集中屬性的類型可分為布爾型關(guān)聯(lián)規(guī)則挖掘和數(shù)量型關(guān)聯(lián)規(guī)則挖掘。對于布爾型挖掘人們已經(jīng)進(jìn)行了較多研究且取得了很多有價值的方法，而對于數(shù)量型關(guān)聯(lián)規(guī)則挖掘的研究還有欠缺，因此本文主要針對數(shù)量型關(guān)聯(lián)規(guī)則挖掘方法展開研究。
　　本文給出了BFCFPM算法挖掘模糊關(guān)聯(lián)規(guī)則。該算法繼承了FP_Growth算法中的遞歸挖掘思想，將其擴(kuò)展應(yīng)用到了模糊領(lǐng)域。

2、BFCFPM算法主要思想是：首先使用FCM聚類技術(shù)將數(shù)量型數(shù)據(jù)集映射為模糊數(shù)據(jù)集，然后把模糊數(shù)據(jù)集壓縮存儲在IFFPT中，最后在IFFPT上遞歸地挖掘模糊頻繁項(xiàng)集。該算法在提取模糊關(guān)聯(lián)規(guī)則時有效地避免了因?yàn)閷傩噪x散化而造成的信息損失與規(guī)則的減少，同時減少了掃描數(shù)據(jù)集的次數(shù)。經(jīng)測試該算法具有較好的性能。
　　本文又給出了FMFFI算法。其主要是針對BFCFPM算法在處理數(shù)據(jù)集記錄數(shù)較多而項(xiàng)的個數(shù)較少時還需要建立IFFPT的數(shù)據(jù)存儲問