模糊關聯(lián)規(guī)則挖掘算法的應用研究與實現.pdf

1、近年來，大氣環(huán)境實時動態(tài)監(jiān)測系統(tǒng)采集了大量的數據，這些海量數據背后隱藏著大量的有用知識，研究者們希望通過對所采集的大氣環(huán)境監(jiān)測值的深層次分析，挖掘出其中潛在的有價值的信息。關聯(lián)規(guī)則作為數據挖掘最重要的任務之一，其目標是發(fā)現數據庫中各語義項間的關聯(lián)關系，為大氣環(huán)境的質量分析和預測提供了一種有效的解決方法。
　　大氣環(huán)境監(jiān)測數據集通常都是些數量型數據集，傳統(tǒng)解決方法是通過數量屬性的離散化將數量型關聯(lián)規(guī)則挖掘問題轉化為布爾型關聯(lián)規(guī)則，然

2、而這類方法得到的用區(qū)間表示的關聯(lián)規(guī)則難以被理解。所以文中采用了模糊關聯(lián)規(guī)則挖掘方法，這種方法能夠保證挖掘所得的各模糊語義項間的邏輯語義，但同時也產生了幾個問題:如何實現數量型數據集到模糊型數據集的轉換，如何挖掘出具有模糊邏輯語義的關聯(lián)規(guī)則，如何解決大規(guī)模環(huán)境監(jiān)測數據集中模糊關聯(lián)規(guī)則挖掘問題。本文圍繞這些問題，展開了論文的相關研究工作。
　　[1]采用基于CHC遺傳模型的模糊劃分方法實現了大氣環(huán)境監(jiān)測數據值到模糊型數據值的轉換。

3、r>　　[2]采用了一種改進的FP-Growth算法對本文實驗數據集中的模糊關聯(lián)規(guī)則進行挖掘。改進的算法通過在ffp-tree樹頭表中添加一個tail域，使得新插入的ffp-tree樹結點在進行插入操作時不在需要遍歷整個side_link域，提高了挖掘效率。
　　[3]針對大氣環(huán)境監(jiān)測數據集“大”的特點，實現了基于MapReduce的FP-Growth模糊關聯(lián)規(guī)則挖掘算法。
　　實驗證明，通過上述方法挖掘所得到的模糊關聯(lián)規(guī)則