随着信息科学与技术的快速发展,数据库数量不断地增大,而在这些数据中存在各种各样的不确定性问题,如何有效地对这些数字信息进行管理并从中获取所需的知识已经成为当前信息技术研究的热点之一。1999年,Molodtsov提出了软集理论,认为对于复杂事务可以从不同的侧面进行分析,其结果都是对复杂事务的近似刻画,将这些近似刻画综合后可以得到对复杂事务相对精确的描述。软集作为一种新的处理不确定性问题的数学工具,在不确定性决策领域获得了广泛应用。本文主要研究软集在关联规则挖掘中的应用,主要工作如下:一、讨论了 Vague软集排序方法。基于Vague软集的相关运算以及可能度理论,针对Vague软集中对象提出了一种排序方法,进而给出了 Vague软集的一种排序方法,讨论了排序方法的基本性质。通过例子说明了本文提出的对象排序方法以及Vague软集排序方法的有效性。二、讨论了基于软真度的关联规则挖掘方法。基于软集的逻辑公式,提出了一种基于软集的关联规则挖掘方法。将软真度引入软集数据关联规则挖掘,利用软真度描述属性集之间的依赖关系;刻画了软真度与支持度之间的联系,给出了满足给定的支持度阈值和可信度阈值的软关联规则挖掘方法。实例分析结果表明,该方法可约简冗余,提高效率。