基于模糊集理论的关联规则研究
进入二十一世纪，计算机技术突飞猛进，随之海量的数据积累下来，这样致使以往的数据分析方法很难在大量数据集上有效的发现隐藏的信息或知识。为了解决这样的问题，数据挖掘技术的研究和应用得到重视。关联规则的发现是数据挖掘领域中的一个非常重要的研究课题。关联规则揭示了一个事务中各种属性之间同时出现的规律特性，而且它也是一种求解的知识模式。
本文的研究主要包括数据挖掘应用体系结构的研究、模糊关联规则挖掘理论及其算法等。在数据挖掘系统体系结构研究方面，我们系统的分析了数据挖掘或知识发现的基本过程和系统的各部件功能。本文介绍了经典的关联规则的挖掘算法Apriori，找出了传统算法的不足，引入模糊理论来求解非布尔属性的关联规则问题。
本文利用模糊概念对数据进行映射和抽象等加工，方便模糊关联规则的提取，拓展了关联规则的应用范围。设计和实现了相应的挖掘算法MFAR(MiningFuzzyAssociationRule)，并在没有领域专家指导的前提下，利用See5软件提供的决策树方法评价模糊关联规则的结果。在多个数据集上的实验表明该算法可以有效地进行数据加工，最终挖掘出有意义的关联规则，取得较好的实验结果。
数据挖掘;Apriori算法;模糊关联规则;模糊理论
武汉科技大学
硕士
计算机应用技术
张晓龙
2005
中文
TP301.6
49
2006-07-27（万方平台首次上网日期，不代表论文的发表时间）