一种改进的模糊关联规则算法.pdfVIP

一种改进的模糊关联规则算法 高琛 兰州交通大学交通运输学院，兰州(730070) E-mail: gclj999@163.com 摘 要：随着大型数据库和数据仓库的广泛使用，运用关联规则算法从大量事务中发掘有用 的信息和知识正成为一个重要的研究领域. 大多数的关联规则算法都是针对布尔型变量的. 然而由于现实生活中较为常见的数据都是数量型的，所以人们开始研究基于数量型的关联规 则算法. Tzung-Pei Hong 等给出了一种模糊的AprioriTid 算法从数量型数据中挖掘模糊关联 规则.本文则采用了另一种较为高效的改进 Apriori 算法：多段支持度算法（MSS ），并引入 了模糊的概念和方法从而提出了模糊 MSS 算法.该算法进一步的提高了算法的效率.文章的 最后给出了一个基于购物篮分析的实例来演示了算法的应用. 关键字：数据挖掘；关联规则；Apriori 算法，模糊多段支持度算法. 论域U 上的全体模糊集，A ∈F(U) ，A 的 1. 引言 μ μ (U) 隶属度函数用A( )或 A 表示. 数据挖掘是当今数据库研究、开发和 定义 1：设 A, B ∈F(U) , 则模糊集 应用最活跃的分支之一，而关联规则又是 A ∪B 的隶属度函数(A ∪B) ( μ ) = 数据挖掘诸多功能中的一种，也是最为重 A( μ) ∨B( μ) = max(A( μ), B( μ)). 要和应用最广泛的一种.关联规则的发现 定义 2: 设 A, B ∈F(U) , 则模糊集 可以帮助许多商务决策的制定，如分类设 计、交叉购物和贱卖分析等等.最为著名和 A ∩B 的隶属度函数(A ∩B) ( μ ) = 应用最广的关联规则算法是由R.Agrawal A( μ) ∧B( μ) = min(A( μ), B( μ)). 提出的Apriori 算法. 目前对关联规则算法 i , i ,...,i 定义3 ：设I = { 1 2 m }是m 个具 的研究正在由确定型转向模糊型，由布尔 有模糊概念的不同项目组成的集合，则称 型转向数量型，用以解决传统算法的“尖锐 I 为模糊项目集，其中m 是项目的个数， 边界” 问题，以及挖掘用自然语言表述的、 i 更加符合人的思维习惯的关联规则. 由于 项目 p (p = 1,2,...,m)表示第p 个项目. T 需要计算项集中元素的隶属度，通常模糊 定义 4 ：由 n 个模糊事务 j (j = 1, 关联规则的复杂性要比