基于模糊集的時序關聯(lián)規(guī)則研究與應用.pdf

1、時序關聯(lián)規(guī)則在規(guī)則隨時間變化較大的應用領域的有效應用,使我們可以根據(jù)規(guī)則隨時間變化的規(guī)律更好地描述客觀現(xiàn)實情況,更好的識別動態(tài)系統(tǒng)的重現(xiàn)特征,及時調整企業(yè)經(jīng)營的策略,預測特定事件的未來發(fā)生,也使其成為數(shù)據(jù)挖掘的重要研究方向,在實際的應用中具有重要的意義。
　　針對原有時序關聯(lián)規(guī)則在支持度度量上的不足,其算法在處理高密度海量數(shù)據(jù)時往往要耗費大量的時間處理規(guī)模巨大的頻繁項候選集,同時需要多次重復掃描數(shù)據(jù)庫,執(zhí)行效率很低的問題,充分利用

2、FP-Growth框架的高時空效率,提出了重新定義支持度度量方法后的時序關聯(lián)規(guī)則的結構樹優(yōu)化算法OFP-Growth。該算法在生成有效頻繁項集的同時,可以存儲和計算頻數(shù)向量,大大提高了執(zhí)行的效率。
　　針對時序關聯(lián)規(guī)則在解決商品項分類時涉及到的分層不確定、不準確情形,引入了層次型關聯(lián)規(guī)則的模糊擴展,即基于隸屬度模糊的層次分類結構。它克服了原有分類結構僅僅考慮不同層次之間的語義差異,而沒有進一步考慮具有不同隸屬度項的語義差異的不足。