关联规则具有多种类型,其中包括数值型关联规则,其基本思想是将数值型属性进行离散化,从而将问题转换为类别型关联规则挖掘问题.但是数值型属性离散化存在着锐利边界值问题,即在挖掘过程中,区间的边界值要么过分强调,要么被忽略.因此,人们将模糊集理论]引入到数值型关联规则挖掘中,提出了一些模糊关联规则的挖掘算法,例如:在文中,利用模糊集理论挖掘数值型关联规则算法FARM;在文中,考虑到人们对不同项目的感兴趣程度不同,以及不同项目对数据库的影响程度不同,在此基础上又提出了加权支持度和加权置信度的加权模糊关联规则挖掘算法FWAL.这些算法较好地解决了锐利边界值问题,但算法需要领域专家预先给出相关模糊集及其隶属度函数,以便将数值型属性模糊化.这在很多应用领域是不现实的.为此,本文提出一种基于聚类的构造模糊集及相应隶属度函数的算法GFAM,并在此基础上提出模糊关联规则挖掘算法AMFAR.对于数据库中每一个数值型属性的数据,用DBSCAN[7]聚类算法进行聚类,根据聚类结果构造该数值型属性的模糊集,并为该模糊集定义相应的隶属度函数,隶属度函数的值域为[0,1].