有效支持度和模糊关联规则挖掘

关联规则挖掘是数据挖掘的重要研究内容，将模糊的思想融入数据挖掘，形成的模糊关联规则的挖掘是当前关联规则研究的新方向，本文在模糊关联规则的挖掘中提出了有效支持度的概念，使其用于频繁模糊模式集的挖掘、挖掘的结果更为简洁和合理，同时挖掘的效率也得到了提高。     

正负关联规则挖掘算法研究

本文提出了一种快速有效的正、负关联规则挖掘算法 MPNAR。另外,针对关联规則挖掘算法中支持数计算的复杂性,提出了一种基于二进制形式的支持数计算方法。实验结果表明算法 MPNAR 是有效和可行的。     

渐进式关联规则挖掘算法研究与实现

针对大型数据库(或新增数据集),提出了一种渐进式挖掘算法。算法充分利用以往挖掘过程中的信息,无需再次扫描基础数据集,对新增数据集部分也只扫描一次,能够有效地降低更新挖掘所需的时间成本。给出了算法的具体实现。通过对实验结果的性能对比分析,表明算法是可行的,有效的。本算法的设计思想可以应用到并行关联规则挖掘或实现分布式数据挖掘。     

一种高效的关联规则挖掘算法研究

一般关联规则挖掘算法分为两步：第一步是发现频繁项目集；第二步是利用频繁项目集产生关联规则。文章讨论了现今关联规则挖掘算法的特点和不足，同时提出一种效率更高的挖掘算法。与其它算法不同的是，该算法侧重于知识领域的使用和关联规则系统应用的预备。     

基于分布数据库的快速关联规则挖掘算法

关联规则发现是数据挖掘的重要研究内容,随着数据库中数据的不断增加,大数据集环境下的关联规则发现日益受到重视,分布式关联规则发现是解决这一问题的有效方法。分布式数据库环境下的关联规则挖掘算法中,时间开销主要体现在两方面(:1)频繁项目集的确定;(2)网络的通讯量。为了解决第一个问题,文章提出了一种基于二进制形式的候选频繁项目集生成和相应的计算支持数算法,该算法只需对挖掘对象进行一些”或”、”与”、”异或”等逻辑运算操作,显著降低了算法的实现难度。将该算法与DMA算法相结合提出改进算法FDMA。理论分析和实验结果表明,算法FDMA大大提高了关联规则挖掘的效率,算法是有效可行的。     

模糊关联规则及挖掘算法

本文提出了模糊关联规则的概念,研究了模糊关联规则的性质和挖掘算法,同时还提出了一种新的规则有越性的度量函数。     

模糊关联规则的加权挖掘算法

从实际应用角度，在对模糊关联规则挖掘算法进行改进的基础上，提出了模糊关联规则的加权挖掘算法（FARMA），以及简化的关联规则的加权挖掘算法（SFARMA），通过实验验证了算法的可行性，并对算法的性能进行了讨论。     

关联规则增量算法

数据采集手段的丰富，使获取、保存大量数据变得容易，从庞杂的数据中提取有用的知识和信息是数据挖掘的主要任务，关联规则是数据挖掘领域的一个重要分支。本文针对事务数据库中增加新的数据集后相应关联规则的更新和维护问题，提出了一种关联规则增量式增量算法     

量化关联规则挖掘及算法

提出了一种新的量化关联规则挖掘算法QAR及其增量式更新算法IUQAR．算法以模糊集理论为基础，利用模糊概念表示量化属性属性间的关联关系，克服了传统的离散分区方法的不足，使得规则的表示自然、简明，有利于专家理解。同时，给出的算法IUQAR，有效地解决了规则的维护问题。     

关联规则挖掘方法研究

关联规则是数据挖掘研究的一个重要分支。阐述了关联规则的基本概念、关联规则挖掘的基本模型;详细分析了关联规则挖掘的经典算法-Apriori算法,Apriori算法核心思想、性能分析及其改进技术。     

二型直觉模糊集

二型模糊集和直觉模糊集都具有很强的实际应用背景.二型模糊集增强了系统处理不确定性的能力,直觉模糊集为解决人们判断问题所出现的犹豫信息提供了理论依据.本文在二型模糊集和直觉模糊集的基础上,给出了二型直觉模糊集的概念,证明了二型直觉模糊集是一型模糊集、直觉模糊集、区间值模糊集、区间值直觉模糊集的广义形式,讨论了二型直觉模糊集的基本运算和二型直觉模糊关系.最后,研究了基于二型直觉模糊理论的近似推理,并实例说明了二型直觉模糊集的实际应用背景.     

Mining fuzzy quantitative association rules

Abstract: The concept of fuzzy sets is one of the most fundamental and influential tools in the development of computational intelligence. In this paper the fuzzy pincer search algorithm is proposed. It generates fuzzy association rules by adopting combined top-down and bottom-up approaches. A fuzzy grid representation is used to reduce the number of scans of the database and our algorithm trims down the number of candidate fuzzy grids at each level. It has been observed that fuzzy association rules provide more realistic visualization of the knowledge extracted from databases.     

基于直觉模糊Petri网的加权直觉模糊推理

利用直觉模糊集合较好地表现不确定信息的能力和Petri网的并行处理能力,构建了直觉模糊Petri网模型。给出了输入权值、变迁阈值等多种约束条件下的直觉模糊推理算法。该算法将直觉模糊推理过程转化为矩阵的运算过程可充分利用直觉模糊Petri网的并行推理能力,有效地避免同一变迁不必要地重复激发从而节省推理时间。实例分析表明所给出的直觉模糊推理算法较已有算法更加合理并且高效。     

直觉模糊粗糙推理的规则互作用性研究

针对直觉模糊粗糙逻辑(IFRL)推理的规则库检验问题,提出了IFRL规则库的互作用性检验方法.互作用性检验是逻辑规则库检验的一项重要内容,它可以有效地分析出规则间的关系.利用直觉模糊粗糙集(IFRS)及其包含关系的概念,提出了正规IFRS和IFRL规则库的互作用性定义.在此基础上,将直觉模糊逻辑(IFL)的3个定理推广到IFRL领域,并给予了证明.提出的互作用性定义和推广后的3个定理可以作为检验规则间互作用性的方法.     

二型直觉模糊粗糙集

将二型直觉模糊集和粗糙集理论融合,建立二型直觉模糊粗糙集模型。首先,在二型直觉模糊近似空间中,定义了一对二型直觉模糊上、下近似算子,并讨论了二型直觉模糊关系退化为普通二型模糊关系和一般等价关系时,上、下近似算子的具体变化形式。然后,将普通二型模糊集之间包含关系的定义推广到了二型直觉模糊集,在此基础上研究了二型直觉模糊上、下近似算子的一些性质。最后,定义了自反的、对称的和传递的二型直觉模糊关系,并讨论了这3种特殊的二型直觉模糊关系与近似算子的特征之间的联系。该结论进一步丰富了二型模糊集理论和粗糙集理论,为二型直觉模糊信息系统的应用奠定了良好的理论基础。     

软直觉模糊集

直觉模糊集是在模糊集上增加了一个新的属性参数：非隶属度函数,成为描述“非此非彼”的“模糊概念”的工具。为了提高决策的精确性,将软集与直觉模糊集相结合,构造了一种新的数学模型,即直觉模糊软集,对其性质进行了一些讨论。     

区间直觉模糊粗糙集

将模糊粗糙集推广到区间直觉模糊粗糙集,基于区间直觉模糊等价关系和两个论域之间的一般区间直觉模糊关系,给出了区间直觉模糊粗糙集模型的不同形式,并讨论了一些相关性质。     

一种区间直觉模糊熵的构造方法

研究了区间直觉模糊熵。证明了三个直觉模糊熵公式的等价性。对直觉模糊熵公式进行推广,引入一个新的区间直觉模糊熵公式,该熵公式满足区间糊熵的公理化直觉模定义的4个条件。     

挖掘关联规则中AprioriTid算法的改进

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法。该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度。实验结果表明改进算法确实能有效减少相关计算量,比已有算法执行效率明显提高,同时验证了该算法在旋转机械故障诊断中的有效性。     

基于直觉模糊粗糙集的一种知识获取方法

将粗糙集理论与直觉模糊集理论相结合,提出了一种基于直觉模糊粗糙集理论的知识获取方法。描述了直觉模糊相似关系下粗糙集的模型,并在此基础之上重新定义了正域、依赖度与非依赖度、确定性因子与非确定性因子等概念。详细分析了基于直觉模糊粗糙集的规则挖掘算法的基本步骤,最后通过实例验证了该算法的可行性。