基于三角模糊数的关联规则方法研究

《基于三角模糊数的关联规则方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TP311密级：UDC：本校编号：硕士学位论文论文题目：基于三角模糊数的关联规则方法研究研究生姓名：徐顼学号：0205407学校指导教师姓名：封志宏职称：副教授申请学位等级：工学硕士专业：计算机应用技术论文提交日期：2007年11月19日论文答辩日期：2007年12月17日万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含获得兰州交通大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论

2、文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解兰州交通大学有关保留、使用学位论文的规定。特授权兰州交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日万方数据硕士学位论文基于三角模糊数的关联规则方法研究StudyontheApproachofAssociationRulesBasedon

3、TriangularFuzzyNumber作者姓名：徐顼学科、专业：计算机应用技术学号：0205407指导教师：封志宏副教授完成日期：2007.11.9兰州交通大学LanzhouJiaotongUniversity万方数据兰州交通大学硕士学位论文摘要数据挖掘是近年来迅速发展的信息处理技术。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。关联规则挖掘作为数据挖掘领域的一个重要研究分支，它的任务是发现所有满足支持度阈值和置信度阈值的强关联规则。近年来，关联规则挖掘研究己经成为数据挖掘中

4、的一个热点。而Apriori算法是关联规则挖掘的经典算法。但是在具体的关联规则挖掘应用方面经常遇到以下两个问题:(1)传统的Apriori算法对所有的项不加任何的区分,一致对待。在发现事务数据库中的关联规则过程中,会不会遗漏一些重要的模式呢?(2)如果考虑各个项的决策标准(权重)是不同的,那么项的权重如何考虑和划分呢?本文针对上述两个问题提出了一种基于三角模糊数的Apriori算法。并利用PRETI(PlatformforResearchandExperimentsintheTreatmentofInformation)对Apriori算法和基于三角模糊数的Apri

5、ori算法进行了比较,验证该算法比Apriori算法确实能够有效解决上述两个方面的问题。从而说明了该算法的有效性和可行性。随着数据挖掘和数据仓库理论的成熟与应用的扩展，基于数据挖掘的客户满意度分析也日益受到人们的关注。本文根据客户满意度是客户在消费过程结束后的心理体验，而直观模糊集的相关理论正好满足了人们的这种偏好。所以结合直观模糊集理论、α截集的性质以及Apriori算法原理提出了针对客户满意度关联规则挖掘的算法。通过算例的分析和研究.验证了该算法的科学性和有效性。关键词：数据挖掘；关联规则；Apriori算法；三角模糊数；PRETI；客户满意度论文类型：理论研究

6、-I-万方数据基于三角模糊数的关联规则方法研究AbstractDataMiningisaninformationprocessingtechnology,whichisdevelopingveryfastinrecentyears.UsingDataMining,peoplecanabstractinformationandknowledgefromagreatdealofdatawhichisincomplete,noisy,darkandrandom.Theinformationandknowledgewegotwasignoredandhadnotbeenkn

7、ownbeforebutpotentiallyuseful.Associationruleminingisanimportantsub-branchoftheDataMining,whichminesinterestingassociationrelationshipsamongalargesetofdataitems.Associationrulesareconsiderdinterestingiftheysatisfybothaminimumsupportthresholdandaminimumconfidencethreshold.Associationr