基于三角模糊数的关联规则方法研究

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( Platform for Research and Experiments in the Treatment of Information)对Apriori算法和基于三角模糊数的Apriori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。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 论文选题的背景、意义

1.2 论文的研究思路和解决的问题

2 数据挖掘综述

2.1数据挖掘的由来

2.2 数据挖掘的一般性讨论

2.3 数据挖掘的任务和基本模式

2.4 数据挖掘的应用及研究现状

2.5 数据挖掘所面临的主要问题

2.6 数据挖掘的发展趋势

2.7 本章小结

3 关联规则挖掘综述

3.1 关联规则的基本概念

3.2 关联规则的相关定义

3.3 关联规则的分类

3.4挖掘关联规则的基本步骤类

3.5 挖掘关联规则的经典算法—Apriori算法

3.6 本章小节

4 模糊理论与关联规则

4.1模糊理论的介绍

4.2 模糊理论与关联规则的结合

4.3 本章小结

5 基于三角模糊数的Apriori算法

5.1 算法描述

5.2 PRETI综述

5.3 算法举例

5.4 本章小结

6 基于关联规则挖掘的客户满意度分析

6.1客户满意度

6.2客户满意度关联规则挖掘算法

6.3本章小结

结论

致谢

参考文献

攻读学位期间的研究成果