不确定性数据中基于GSO优化MF的模糊关联规则挖掘方法

• 作者: 章武媚 董琼
• 来源期刊: 计算机应用研究
• 关键词: 模糊关联规则挖掘 不确定数据 隶属度函数 群搜索优化算法 FFP-growth算法
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2284-2288
• 页数: 5页
• 分类号: TP311
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.01.0076

摘要

针对不确定性数据中模糊关联规则的挖掘问题,提出一种基于群搜索优化(GSO)算法优化隶属度函数(MF)的模糊关联规则挖掘方法.首先,将不确定性数据通过三元语言表示模型进行表示;然后,给定一个初始MF,并以最大化模糊项集支持度和语义可解释性作为适应度函数,通过GSO算法的优化学习获得最佳MF;最后,根据获得的最佳MF,利用改进型的FFP-growth算法来从不确定数据中挖掘模糊关联规则.实验结果表明,该方法能够根据数据集自适应优化MF,以此实现从不确定数据中有效地挖掘关联规则.