数值约束条件下的模糊关联规则挖掘方法

数值约束条件下的模糊关联规则挖掘方法

陆楠¹,², 周栩¹

1. 吉林大学计算机科学与技术学院, 长春 130012; 2. 深圳大学信息工程学院, 广东省深圳 518060

收稿日期:2006-05-18 修回日期:1900-01-01 出版日期:2006-08-26 发布日期:2006-11-26
通讯作者: 陆楠

Mining of Association Rules on Fuzzy under Quantitative Constraints

LU Nan¹,²,ZHOU Xu¹

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China;2. College of Information Engineering, Shenzhen University, Shenzhen 518060, Guangdong Province, China

Received:2006-05-18 Revised:1900-01-01 Online:2006-08-26 Published:2006-11-26
Contact: LU Nan

摘要/Abstract

摘要： 利用模糊集理论, 结合数据库模糊查询、规则模板及语言量词等概念和方法, 通过数值信息对规则做进一步约束, 解决了关联规则挖掘中未考虑与项目相关数值信息的缺陷, 提出了基于模糊数值约束的关联规则挖掘, 实验结果表明, 所提出的挖掘方法具有良好的伸缩性, 挖掘效果更具有针对性.

关键词: 数据挖掘, 关联规则, 模糊查询, 数值约束

Abstract: With the of theory of fuzzy set, combined with concept and method of fuzzy query, rules template, linguist quantifier, and so on, the rules are further constrained in quantitative information so as to solve the limitative problem, i.e., not thinking over quantitative information with correlation of the items, on the basis of which the mining of association rules based on fuzzy quantitative constraints are put forward. By experiment, the mining method put forward in the paper exhibits nicer flexibility, and more pertinence in its mining effect.

Key words: data mining, association rules, fuzzy query, quanti tative constraints

中图分类号:

TP391

陆楠,, 周栩. 数值约束条件下的模糊关联规则挖掘方法[J]. J4, 2006, 44(06): 101-106.

LU Nan,,ZHOU Xu. Mining of Association Rules on Fuzzy under Quantitative Constraints[J]. J4, 2006, 44(06): 101-106.

[1]	杨勇, 张磊, 曲福恒, 刘俊杰, 陈强. 基于最频繁项提取和候选集剪枝的THIMFUP算法[J]. 吉林大学学报(理学版), 2021, 59(3): 635-642.
[2]	金晓民, 张丽萍. 基于最小生成树的多层次k-Means聚类算法及其在数据挖掘中的应用[J]. 吉林大学学报(理学版), 2018, 56(5): 1187-1192.
[3]	冯锋, 张珑耀, 张青. 基于软集上逻辑公式的极大关联规则描述与挖掘方法[J]. 吉林大学学报(理学版), 2018, 56(4): 901-908.
[4]	匡珍春, 冼远清. 基于XML配置框架下多维度扩展贪心算法[J]. 吉林大学学报(理学版), 2018, 56(3): 688-691.
[5]	尚靖博, 左万利. 基于清晰有理数均值的新匹配聚类算法[J]. 吉林大学学报(理学版), 2018, 56(2): 399-401.
[6]	王文霞. 数据挖掘中改进的C4.5决策树分类算法[J]. 吉林大学学报(理学版), 2017, 55(05): 1274-1277.
[7]	周鹏, 熊运余. 基于数据挖掘的网络状态异常检测[J]. 吉林大学学报(理学版), 2017, 55(05): 1269-1273.
[8]	曹莹, 苗志刚. 基于向量矩阵优化频繁项的改进Apriori算法[J]. 吉林大学学报(理学版), 2016, 54(02): 349-353.
[9]	孙金岭, 庞娟. 基于残差修正的灰色神经网络在数据挖掘中的应用[J]. 吉林大学学报(理学版), 2015, 53(06): 1263-1268.
[10]	郭其标, 李秉键. 基于最小信息准则和BP算法的网络入侵检测[J]. 吉林大学学报(理学版), 2015, 53(04): 715-719.
[11]	于潇菂, 努尔布力, 胡亮, 解男男. 一种基于数据挖掘的多步入侵警报关联模型[J]. 吉林大学学报(理学版), 2013, 51(05): 881-886.
[12]	解男男, 胡亮, 努尔布力, 樊丽, 印晓天. 基于Web日志挖掘的网页推荐方法[J]. J4, 2013, 51(02): 267-272.
[13]	徐淑坦, 王朝勇, 孙延风. 一种不均衡数据的改进蚁群分类算法[J]. J4, 2011, 49(04): 733-739.
[14]	胡亮, 金刚, 于漫, 任斐, 任维武. 基于异常检测的入侵检测技术[J]. J4, 2009, 47(6): 1264-1270.
[15]	董立岩, 李真, 阎鹏飞. 基于贝叶斯分类器的重大危险源辨识[J]. J4, 2009, 47(4): 795-799.