模糊关联规则知识发现算法研究+文献综述
关键词：知识发现；数据库；模糊关联规则；模糊集
Application research of fuzzy association rules in
knowledge discovery algorithm
Abstract:Because humans are overwhelmed with data, but hunger and thirst for knowledge challenge, knowledge discovery (DMKD) technology arises at the historic moment, and to flourish, more and more shows its strong vitality. This article first knowledge discovery, the basic concepts of association rules, a comprehensive overview and analysis of fuzzy association rules discovery algorithm, the transaction attributes in fuzzy association rules mining fuzzy set elements as a single property to the processing method.The nature of fuzzy association rules mining algorithm, the algorithm takes full advantage of each membership information. And finally applied to the local area network traffic monitoring, which show that the algorithm is reasonable to some extent, the data effectively solve the problem of excessive. Has a broad application prospects.
Key words: Knowledge discovery; Database; Fuzzy association rules; Fuzzy sets
目 录
摘要 1
引言 1
1.课题选题背景目的及意义 2
2.知识发现 3
2.1知识发现的概念 4
2.2知识发现技术 4
2.3知识发现的步骤 5
3.关联规则及其挖掘算法 6
3.1关联规则概念 6
3.2关联规则的几个度量值 7
3.3关联规则的发现 8
4.模糊关联规则知识发现算法 10
4.1模糊的概念 10
4.2模糊集和模糊隶属函数的建立 11
4.3 模糊关联规则 12
4.4模糊关联规则知识发现算法 13
5.模糊关联规则知识发现算法的相关应用 15
6.结论 17
参考文献 18
致谢 20
模糊关联规则知识发现算法研究
引言
知识发现就是采用多种的方法从人们看似没有关系的信息中挖掘出对我们有价值的知识，从而提高我们的工作效率，方面人们的研究和发现新的知识。目前关联规则知识发现算法已经广泛的使用在商务决策、网络的监测、疾病的控制、信息安全等众多领域。
然而，关联规则知识发现大多都是对离散的值进行分析处理，当挖掘的对象是连续属性时通常是将其划分为多个离散的区间。这就导致所谓的“尖锐边界”(sharp boundary)问题,必将影响到所得关联规则的准确性。为了解决这一问题，一些学者提出了结合模糊集理论的模糊知识发现技术，取得了非常好的效果。本文根据这一思想，在改进传统Apriori算法基础上将事务属性模糊集中的元素作为单一属性来处理，并提出了一种模糊关联规则知识发现算法。
1. 课题选题背景目的及意义
以计算机控制为基础的过程控制系统是生产控制的核心，随着电气设备、计算机整合系统中新技术的不断开发，使得生产产量和质量都得到了普遍的提高。同时伴随着各种新技术的引入，生产过程中会产生大量的数据，这些海量数据的存储使数据挖掘这种新技术在该领域的使用成为可能。此外工厂的海量数据中蕴含了生产过程的客观规律和操作人员丰富的经验等大量有用的信息，通过对这些数据深层次的探索，可以对改进产品质量、研发新产品、设备故障的诊断等提出针对性很强的建议。而关联规则挖掘是数据挖掘研究领域中的一个重要任务, 旨在挖掘事务数据库中有意义的关联。随着大量数据不停的收集和存储, 从数据库中挖掘关联规则显得越来越有必要性。