語(yǔ)言關(guān)聯(lián)規(guī)則的挖掘方法及應(yīng)用研究.pdf

1、在大型數(shù)據(jù)庫(kù)中挖掘關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)十分重要的研究?jī)?nèi)容。面對(duì)大型數(shù)據(jù)庫(kù)，關(guān)聯(lián)規(guī)則挖掘需要在挖掘效率、可用性、精確性、可理解性等方面得到提升。鑒于目前數(shù)據(jù)挖掘技術(shù)和關(guān)聯(lián)規(guī)則挖掘研究的現(xiàn)狀和發(fā)展趨勢(shì)，需要探索新的關(guān)聯(lián)規(guī)則表達(dá)形式和挖掘技術(shù)，同時(shí)根據(jù)所面臨的實(shí)際應(yīng)用問(wèn)題的需要，選擇了這一課題開(kāi)展相關(guān)研究工作。 在系統(tǒng)分析模糊聚類方法的基礎(chǔ)上，提出了一種基于改進(jìn)微粒群算法的模糊聚類策略，利用改進(jìn)的微粒群自動(dòng)調(diào)整各模糊聚類的中心

2、點(diǎn)及其隸屬函數(shù)參數(shù)，使模糊聚類結(jié)果符合數(shù)據(jù)分布特征，通過(guò)典型模糊分類問(wèn)題說(shuō)明方法的有效性。 開(kāi)展了語(yǔ)言值關(guān)聯(lián)規(guī)則的挖掘算法研究，提出一種面向關(guān)系數(shù)據(jù)庫(kù)中連續(xù)數(shù)量屬性的語(yǔ)言值關(guān)聯(lián)規(guī)則的挖掘算法。首先利用基于微粒群的模糊聚類算法，將數(shù)據(jù)庫(kù)中各連續(xù)屬性上的取值劃分成多個(gè)語(yǔ)言值，使各語(yǔ)言值能反映各連續(xù)屬性數(shù)據(jù)本身的分布特點(diǎn)，同時(shí)通過(guò)連續(xù)量和語(yǔ)言值之間的轉(zhuǎn)換，能軟化劃分的邊界，語(yǔ)言值有很好的理解性、能表達(dá)抽象的概念：在此基礎(chǔ)上提出語(yǔ)言值關(guān)

3、聯(lián)規(guī)則的評(píng)價(jià)方式和挖掘算法，使得挖掘出的語(yǔ)言值關(guān)聯(lián)規(guī)則更貼近人的思維方式和理解特征。 系統(tǒng)分析了影響燃油用耗的各種主觀和客觀因素，認(rèn)為機(jī)務(wù)段節(jié)約用油激勵(lì)方式應(yīng)該是動(dòng)態(tài)的，具有競(jìng)爭(zhēng)性，能有效調(diào)動(dòng)司機(jī)的節(jié)油積極性，所以在機(jī)車燃油成本管理信息系統(tǒng)中，采用相對(duì)激勵(lì)策略，也就是說(shuō)在不同時(shí)間段各司機(jī)油耗與平均油耗的相對(duì)位置確定對(duì)其激勵(lì)程度，減少主觀性和其它因素的影響。采用了．所提出的語(yǔ)言值關(guān)聯(lián)規(guī)則的挖掘算法，獲取指定時(shí)間段司機(jī)油耗與平均油耗