基于RPCL的模糊关联规则挖掘.pdfVIP

第37卷 第 19期 计 算 机 工 程 2011年 10月 、，0l-37 No．19 ComputerEngineering October2011 · 软件技术与数据库 · 文章■号：10啡—3428(2011)19_-m44_—03 文献标识码zA 中圈分类号；TP391 基于RPCL的模糊关联规则挖掘 谢 鱿，张平伟，罗 晨 (上海大学计算机工程与科学学院，上海 200072) 蕾 要：在模糊关联规则的挖掘过程中，很难预先知道每个属性合适的模糊集。针对该问题，提出基于次胜者受罚竞争学习的模糊关联规 则挖掘算法，无需先验知识，即可根据每个属性的性质找出对应的模糊集，并确定模糊集的数 日。实验结果表明，与同类算法相比，该算 法可以挖掘出更多有趣的关联规则。 关■诃：模糊集；隶属度函数；聚类；次胜者受罚竞争学习；关联规则 FuzzyAssociationRuleM ining BasedonRivalPenalizedCompetitiveLearning XIEHuang，ZHANG Ping-wei，LUO Sheng (SchoolofComputerEngineeringandScience，ShnaghaiUniversity，Shanghai200072，China) [AbstractlItisveryhardtoknowinadvnacethemostappropriatefuzzysetsthatraegoodenoughforthedomainsofqunatitativeattributesfor fuzzyassociationrulesmining．Sohtispaperproposesafuzzyassociationruleminingalgorihtm basedonRivalPenalizedCompetitiveLearning (RPCL)，whichcai1getfuzzysetsnadsethtenumberoffuzzysetswihtoutpriorknowledgeofhtefuzzylinguistictermSbutbyquantitative attributes．Experimentalresultssbow htathtealgorithm Callgetmoreinterestingassociationur lescompraedwiht ohteralgorithms． [Keywordslufzzyset；membershipufnction；clustering；RivalPenalizedCompetitiveLearning(RPCL)；associationurle DoI：10．3969／j．issn．1000—3428．2Ol1．19．013 应分为多少个模糊集。本文由此提出了基于次胜者受罚竞争 1 概述 自文献 【1】提出 Apriori算法挖掘布尔型关联规则后，很 学习(RivalPenalizedCompetitiveLearning，RPCL)的模糊关 多研究者做了大量的工作。如文献 2【】提出了FP—growth算法 ， 联规则挖掘算法，其不但能根据每个属性的性质获得对应的 模糊集，并且无需先验知识，即可确定模糊集的数 目。 通过利用FP—tree这种数据结构很好地弥补了Apriori算法的 不足，避免了每次对数据库的扫描，从而大大提高了挖掘效 2 次胜者受罚竞争学习 率。文献 3【】提出了基于矩阵的关联规则挖掘方法，把每个事 在传统的竞争学习中，神经网络的输出神经元彼此通过 务看成矩阵的每一行，将问题转化为对矩阵的处理。文献4【J 竞争，并以 “胜者全得”的策略来