语言值关联规则.pdfVIP

!#$%’(!(!)*+,-#’ ./!0123456178179:53; 软 件 学 报 =16!?@1* 挖掘语言值关联规则A 陆建江! 宋自林 钱祖平!?B ? ? ! 解放军理工大学 通信工程学院 江苏 南京 ) ? !!,+C 解放军理工大学 计算机与指挥自动化学院 江苏 南京 ) ? !!,+C B 东南大学 微波与毫米波国家重点实验室 江苏 南京 ) ? !$,+ # G ,,,I D E5F6 6HH JF45/1E 摘要 讨论了大型数据库上数量属性的关联规则问题 为了软化论域的划分边界 应用相关的模糊 方法 G ? # ) / 3;65# 简称 算法确定正态模糊数的两个参数 并借助正态模糊数模型来划分数量属性的 # ? + ? 9F145672KKL/E;54J MNOP 论域 由此生成一系列的语言值关联规则 另外 给出了语言值关联规则的挖掘方法 由于语言值能很好地表示抽 ? ? 象的概念 从而使得挖掘出的关联规则更抽象 更容易被人理解 ? Q 关键词 数据挖掘 相关的模糊 方法算法 正态模糊数 语言值 关联规则 G C # C C C / 中图法分类号G B!! 文献标识码G RS T 在信息处理领域 数据挖掘是数据库研究的一个新课题 而关联规则的挖掘在数据挖掘的研究 ? ? 中更是受到许多人的重视 文献 首先提出挖掘关联规则的思想 讨论了布尔型属性的关联规则 U!V ? 的挖掘问题 文献 讨论了数量属性的关联规则问题 文中的算法将数量属性的论域划分成多个 UV ? 区间 从而把数量属性的关联规则问题转换成布尔型关联规则的问题来进行讨论 一种方法是将属 ? 性的论域划分成离散的互不重叠的区间 由于明显的区间划分会将区间附近的一些元素排斥在外 ? ? 从而导致一些有意义的区间可能被忽略 例如 考虑一个城市的降水量 对于通过划分得到的一个 ? ? 区间 由于划分的边界过硬 可能会使得这个区间的支持率小于用户给定的最小支持率 但 U?*V? ? ? 如果将 的记录考虑进来的话 此时区间 就可能变得有意义 另一种方法是将属性的 *!?* ? U!%?*V 论域划分成重叠的区间 这时 处于边界附近的元素就可能同时处于两个区间 因而会过分强调这