大型数据库中模糊关联规则的挖掘.pdfVIP

第35卷专辑 兰州大学学报(自然科学版) Vol35Supp． !塑±!墨 !!!竺!!堕生磐些型型!生!竖!壁!型!!!璺!兰!生!堡! 地墨：!!!!： 文章编号：8455—2059(1999)0293—06 ∥ 、查型墼撮鹰中模糊关联规则的挖掘 杜鹚1，陆建江2，宋自林1 (1．通信T程学院计算机系：2通信工程学院捧础系，江棼南京210016) 摘要：数据挖掘主要是用米找出隐藏在数据库当中那些有用的而未被发现的知识本文引入 模糊关联规则的概念，并给山确定这些规则是否有意义的计算方法． 关键词：数据挖掘；关联规则 1问题的提出 白文献…提山有关关联规则的挖掘方法及相应算法以来，这方面的研究已经扩展到关 丁．数量属性的挖掘上来，并提出了一些算法和规则的维护方法12,”．但在传统的挖掘数量属性 关联规则的过程中，存在着以F问题： 由于数据属性的定义域是连续的，通常的方法是将其划分成多个区间，将数量属性关 联规则问题转换成布尔型芙联规则问题进行讨论．一种方法是将属性的定义域划分成离散 的、互不重叠的区间，属性上的每一个元素分别映射到各自的区间上．但这种明显的划分会 将区间附近一些潜在元素排斥在外，而导致一些有意义的区间可能被忽略掉．如图1将属性 “年龄”划分为五个区间，由于边界的硬划分，可能使得每个区间的支持率都小于_Hj户给 定的最小支持率；但如果将十八九岁、三十一二岁的记录也考虑进来的话，20至40这个区 间就可能变得有意义【a．另一种方法是将属性的论域划分成重叠的区域(如图2)，这时处丁．边 界附近的元素就有可能同时处于两个区间．由于这些元素同时对两个区间都作贡献，可能造 图I 幽2 Figure Figurt：2 成过分强调落入这些交义区间的元素的作用，从而导致某些区间的意义也被过分地强调了口I． 2问题的解决 针对上面的硬划分出现的问题，一种有效的软化方法是将属性的定义域模糊化，即将 定义域划分成多个模糊集．由于模糊集可以在集合元素和非集合元素之间提供非常平滑的变 收稿日期：1999．03．15． 作者简介：杜鹤(1971．)，男．博l：研究生． 294 兰州大擘学报(自然科学版) 第35卷 迁，这样就可以有敛地软化边界再以年龄属性为倒，其上的一个模糊集“20至40左右” 就可以由F图表示． 从图中可以看到，当年龄取倌在[20．40l之间时，其隶属度为1，在此区问之外的年龄值 的隶属度则在f0，11之间取值，离此Ⅸ问越远，隶属度越小．通过这种方法，既可以充分考虑 剑20岁到40岁这一医司其边界附近一』j元素滞住的意义，同时，由『．这些边界附近元素 【目 3 Fig…3 的隶属度小丁二区间内元系的隶属度，…此4；会造成过分强调这些元素的现象，当然也就不 会过分强调某些与其有火的天联规则 3概念定j辽 3 1模糊关联规则 定义1 将属性定义域的划分模制化，爿。在Ⅱ二基础J：产生的关联规则称为模糊关联规则 改产{，，，，”…t。j是一个数据库，t，表不T的旃i个元组或第i个记录，，={i，，i”．，‘}表示 属性集．“棚表示属性it在第，个记录上的值．下表是一个由数量属性构成的样本数据库， 它记录了南京市98年4月1号剑10号上午8点的气象数据 表1样本数据库1 TabIe 1 SampIe Database1 此表中卜‰，。，，，，，以f。．t，．k，，‰}．卢{云量，云高，风向风速，有效能见度，气温，相对温度，海 平面气}，fⅡ风速]表示第四条记录中属性“风速”的值，通过检索可知f』风速】=3设属性it 的定义域可划分为多个模糊集：^={，二嚣…，爿)，其中，?表示凡中的第』个模糊集