论文部分内容阅读
在大型数据库中挖掘关联规则是数据挖掘领域的一个十分重要的研究内容。面对大型数据库,关联规则挖掘需要在挖掘效率、可用性、精确性、可理解性等方面得到提升。鉴于目前数据挖掘技术和关联规则挖掘研究的现状和发展趋势,需要探索新的关联规则表达形式和挖掘技术,同时根据所面临的实际应用问题的需要,选择了这一课题开展相关研究工作。
在系统分析模糊聚类方法的基础上,提出了一种基于改进微粒群算法的模糊聚类策略,利用改进的微粒群自动调整各模糊聚类的中心点及其隶属函数参数,使模糊聚类结果符合数据分布特征,通过典型模糊分类问题说明方法的有效性。
开展了语言值关联规则的挖掘算法研究,提出一种面向关系数据库中连续数量属性的语言值关联规则的挖掘算法。首先利用基于微粒群的模糊聚类算法,将数据库中各连续属性上的取值划分成多个语言值,使各语言值能反映各连续属性数据本身的分布特点,同时通过连续量和语言值之间的转换,能软化划分的边界,语言值有很好的理解性、能表达抽象的概念:在此基础上提出语言值关联规则的评价方式和挖掘算法,使得挖掘出的语言值关联规则更贴近人的思维方式和理解特征。
系统分析了影响燃油用耗的各种主观和客观因素,认为机务段节约用油激励方式应该是动态的,具有竞争性,能有效调动司机的节油积极性,所以在机车燃油成本管理信息系统中,采用相对激励策略,也就是说在不同时间段各司机油耗与平均油耗的相对位置确定对其激励程度,减少主观性和其它因素的影响。采用了.所提出的语言值关联规则的挖掘算法,获取指定时间段司机油耗与平均油耗的关联关系决定其奖励策略。该激励策略在实际中得到很好的应用,得到用户的好评。