基于模糊逻辑的多维时序软关联规则挖掘

格式：pdf
大小：220.58 KB
文档页数：3

下载文档原格式

一种时序关联规则挖掘算法的研究与实现

Ｂ）ｍｉｃｎ，中ｍｉｓｐｍｉｃｎ分别为最小支￣ｎｏｆ其ｎｕ、ｎｏｆ
Ａｔ
锄）设滑动窗口Ｗ的长度ｗｌ３每次向后滑动一，＝，步，由此可把时序Ｓ离散成如下子时序集：
间间隔的子时序在时序Ｓ中出现频率大于最小
支持度阈值或者同时包含Ａ，且满足时间间隔 △ Ｂｚ
的子时序在时序Ｓ出现的频次大于最小支持数阈值的子时序，称该子时序为频繁时序。
ｌｔｈ
然后把离散后的子时序的每个时序项插入到一
干子时序集：Ｗ（）（ｉ（，ｌ … ，Ｌ１， — ｌＳ一Ｓｆ一ＶｉＳ，－）ｉ，２，， … Fra bibliotek ｗｌ１＋）
含Ａ，Ｂ且满足 △ 周期的事务的支持数。ｚ定义４频繁时序同时包含Ａ，Ｂ且满足时
规则挖掘一直都是数据挖掘领域的一项重要研究内
容，是数据挖掘技术中的一个研究热点，主要目也其
标是发现数据中项目之间的相关联系，究成果被研
广泛应用于商业、金融、电信等领域［。在数据挖掘１］的各类对象数据集中，有一类数据集的数据之间存
表示时序在时间戳ｔ取值，为时序项，的称时间戳是严格递增的，即所有时序项按照各时序项的时
主要研究数据挖掘、人工智能．
１２１

基于模糊关联规则的教育大数据挖掘研究

基于模糊关联规则的教育大数据挖掘研究*作者：吴修国邢奥林来源：《中国教育信息化·高教职教》2020年第11期摘要：利用数据挖掘技术发现高等院校教学管理数据库中蕴涵的有价值的规律和知识，可为高校教学与管理决策提供科学合理的数据支撑。

传统的Apriori算法在关联规则挖掘中存在“尖锐边界”问题，严重影响挖掘结果的科学性和有效性;基于模糊集理论的关联规则挖掘尚存在计算时间复杂度较大、内存占用过多以及耗时较长等问题。

文章基于传统模糊关联规则方法，并结合AprioriTid思想提出一种改进的模糊关联规则挖掘算法，通过不断更新事务数据库，提高扫描数据库的效率;并将其应用在高等学校教育数据挖掘中，对学生课程成绩进行分析，发现课程之间的联系。

实验结果表明，该算法可有效降低数据挖掘时间并减少内存消耗，挖掘结果能够发现教学中的规律，从而有效指导教学与管理工作。

关键词：教育大数据;数据挖掘;模糊关联规则中图分类号：G64 文献标志码：A 文章编号：1673-8454（2020）21-0067-05一、引言当前，很多高校都开发了教务管理系统，以实现对教学过程中各项事务的收集、查询和简单统计。

然而，相关数据分析还处于比较低级的水平，迫切需要一种数据处理技术，来分析海量教育数据背后隐含的关联和规律，为管理决策提供数据支撑与依据。

关联规则数据挖掘作为教育大数据分析的一种重要方法，可发现海量信息中的关联关系，从而获得隐藏的信息与知识，为科学决策提供依据，目前被广泛运用于商业、科技、安全等方面。

传统的关联规则挖掘算法更适合对离散的数据进行处理，但是教育领域存在着大量的连续型数据，不适合用布尔值来表示。

如果采用硬性的离散化划分策略，则会导致所谓的“尖锐边界”问题，严重影响结果的真实性。

[1]为了解决这些问题，许多国内外研究者对其展开了研究，比如通过引入模糊集理论，得出模糊关联规则挖掘模型，在处理连续型数据划分问题上取得了不错的效果。

基于动态模糊逻辑(DFL)的一种时序推理模型

基于动态模糊逻辑(DFL)的一种时序推理模型李凡长;钱旭培;梅毓【期刊名称】《小型微型计算机系统》【年(卷),期】2002(023)011【摘要】在我们的研究领域中,普遍存在动态模糊事件.而当今,随着计算机科学技术的发展,人们又试图用计算机来模拟这些具有"动态模糊性"的事件.因此,以往有关文献提出了动态模糊逻辑、动态模糊集、基于DFL的一种学习模型及动态模糊主动数据库系统的设计方法和基本概念,这些理论的提出,虽然为人们解决具有动态模糊性的问题提供了一定的理论依据,但从整个动态模糊系统来看,这些工作仅仅是一些初步的工作,还有许多工作需要进一步研究.文中给出的基于DFL的时序推理模型正是这种工作的一个补充.%In many real life situations, dynamic fuzzy events exist extensively. At the present time, with the development of computer science and technology, people attempt to simulate those dynamic fuzzy events with computers. For this reason, dynamic fuzzy logic, dynamic fuzzy sets, a kind of DFL-based learning model, and a design method of active database system are proposed in the related 参考文献:s. Although the proposed theories provide some theoretic basis for the solution of the problems having character of dynamic fuzzy, in the view of the whole dynamic fuzzy system, those works are initial, and many researches need to be done. The inference temporal model on dynamic fuzzy logic proposed in the paper is an addition to those works.【总页数】4页(P1284-1287)【作者】李凡长;钱旭培;梅毓【作者单位】苏州大学,计算机工程系,江苏,苏州,215006;苏州大学,计算机工程系,江苏,苏州,215006;苏州大学,计算机工程系,江苏,苏州,215006【正文语种】中文【中图分类】TP18【相关文献】1.基于DFL的多Agent时序推理模型研究 [J], 李凡长2.基于DFL的Agent推理模型 [J], 孙琳琳;李凡长;韩雪3.一种基于动态模糊逻辑(DFL)的时序推理模型 [J], 李凡长;谢颖夫;沈勤祖;王平4.基于动态模糊逻辑的Agent推理模型及稳定性 [J], 程红林;韩雪5.基于DFL的多Agent系统的自动推理模型 [J], 童海峰;张成年因版权原因，仅展示原文概要，查看原文内容请购买。

一种模糊多层关联规则挖掘算法

中图分类号：Ｔ３１Ｐ０文献标识码：Ａ
’
ＡＢＳＴＲＡＣＴＡｉｎｔｔｅｐｏｌｍｆｓａｐｂｕｄｒｈｒｄｔｏａａａｍｉｉｇ，ｏｍｉｇａｈｒｂｅｏｈｒｏｎａｙｉｔｅｔａｉｎｌｔｎｎｃｍｂｎｎｕｚｈｏｙｗｉｈａｓｃａｉｎｒｌｎｉｄｉｉｇｆｚｙｔｅｒｔｓｏｉｔｏｕｅｍｉｉｇｔｃｎｑｅｎｎｅｈｉｕ，ｏｈａｉｏｍｐｏｅｎｎｔｅｔａｉｏａｎｔｅｂｓｓｆｉｒｖｍｅｔｏｈｒｄｔｎｌＡｐｉｒｌｏｉｈ，ｃｍｂｎｎｈｔｏｆｍｕｔｌｙｒｄｉｒｏｉａｇｒｔｍｏｉｉｇｔｅｍｅｈｄｏｌｉａｅｅ — ａｓｃａｉｎｒｌｎｎｓｏｉｔｏｕｅｍｉｉｇ，ａｆｚｙｍｕｔ—ａｅｅｓｏｉｔｏｕｅｍｉｉｇａｇｒｔｍｓｐｏｏｅｎｔｉｐｐｒＩｈｓｐｐｒｕｚｌｉｙｒｄａｓｃａｉｎｒｌｎｎｌｏｉｌｈｉｒｐｓｄｉｈｓａｅ．ｎｔｉａｅ，ｂｓａｉｃｃｎｅｔｆｆｚｙｍｕｔ—ａｅｅｓｏｉｔｎｒｌｍｉｉｇａｅｇｖｎＴｈｕｚｌｉｌｙｒｄａｓｃａｉｎｒｌｎｎｓｄｓｒｂｄｉｏｃｐｓｏｕｚｌｌｙｒｄａｓｃａｉｕｅｉｏｎｎｒｉｅ．ｅｆｚｙｍｕｔａｅｅｓｏｉｔｕｅｍｉｉｇｉｅｃｉｅｎ — ｏ

基于多数据库的模糊元关联规则挖掘方法

１基于层次理论的模糊关联规则
第３５卷第５期２０１８年５月
计算机应用与软件ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔ５Ｍａｙ２０１８
基于多数据库的模糊元关联规则挖掘方法
刘小燕１王健２
１（河南理工大学计算机科学与技术学院河南焦作４５４０００）２（河南理工大学安全科学与工程学院河南焦作４５４０００）
ＡｂｓｔｒａｃｔＩｎｄｉｓｔｒｉｂｕｔｅｄｅｎｖｉｒｏｎｍｅｎｔ，ｄａｔａｉｓｃｈａｒａｃｔｅｒｉｚｅｄｂｙｌａｒｇｅｓｃａｌｅａｎｄｄｉｓｔｒｉｂｕｔｅｄｓｔｏｒａｇｅ．Ｇｅｎｅｒａｌｌｙ，ｉｔｉｓｅａｓｙｔｏａｃｈｉｅｖｅｔｏｕｓｅｔｒａｄｉｔｉｏｎａｌｄａｔａｍｉｎｉｎｇｔｅｃｈｎｉｑｕｅｓｔｏａｎａｌｙｚｅｅａｃｈｄａｔａｓｅｔｓｅｐａｒａｔｅｌｙ．Ｈｏｗｅｖｅｒ，ｉｔｉｓｍｏｒｅｄｉｆｆｉｃｕｌｔｔｏｍａｋｅａｎｏｖｅｒａｌｌｄｅｃｉｓｉｏｎｏｎａｌｌｔｈｅｄａｔａ．Ｔｈｅｒｅｆｏｒｅ，ａｎｅｗｍｉｎｉｎｇｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ，ｗｈｉｃｈｃａｎｂｅｕｓｅｄｔｏｍｉｎｅｒｕｌｅｓｆｒｏｍｍｕｌｔｉｐｌｅｄａｔａｓｅｔｓ．Ａｇｅｎｅｒａｔｉｏｎｍｏｄｅｌｉｓｐｕｔｆｏｒｗａｒｄｂａｓｅｄｏｎｍｅｔａａｓｓｏｃｉａｔｉｏｎｒｕｌｅ，ｆｉｎｄｉｎｇｏｕｔｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｒｕｌｅｓｍｉｎｅｄｉｎｅａｃｈｉｎｄｅｐｅｎｄｅｎｔｄａｔａｓｅｔ．Ｔｗｏｋｉｎｄｓｏｆｆｒａｍｅｗｏｒｋｓ，ｃｒｉｓｐｍｅｔａａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓａｎｄｆｕｚｚｙｍｅｔａａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ａｒｅｄｅｓｉｇｎｅｄ．Ａｎｄｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｔｈｅｉｒａｌｇｏｒｉｔｈｍｓｉｓａｌｓｏｍａｄｅ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｉｎｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｆｕｚｚｙｍｅｔａａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｉｓｂｅｔｔｅｒｔｈａｎｔｈｅｃｒｉｓｐｍｅｔｈｏｄｉｎｔｅｒｍｓｏｆｅａｓｅｏｆｕｓｅａｎｄａｃｃｕｒａｃｙ．

基于多维数据模型的交叉层关联规则挖掘

基于多维数据模型的交叉层关联规则挖掘
辛燕;鞠时光
【期刊名称】《小型微型计算机系统》
【年(卷),期】2006(27)4
【摘要】多层关联规则是带有一定概念分层的关联规则,它描述了不同抽象级别上数据项之间的关联性,且不同级别上的关联性具有不同的指导意义.但目前已讨论的多层关联规则,大都局限于挖掘同一抽象层上数据项之间的关联,因而,针对这一问题,本文对已有的FP-Tree算法进行扩充和改进,实现了既能挖掘同一抽象层上也能挖掘不同抽象层上数据项之间关联性的多层关联挖掘算法,即交叉层关联规则挖掘算法FP-Tree*.同时,在算法实施之前,还结合多层关联挖掘本身的特点,对现有的数据存储结构进行改进,提出用字符序列对事务项编码的方法,从而简化了大量的数据预处理工作.
【总页数】6页(P681-686)
【作者】辛燕;鞠时光
【作者单位】江苏大学,计算机科学与通信工程学院,江苏,镇江,212013;江苏大学,计算机科学与通信工程学院,江苏,镇江,212013
【正文语种】中文
【中图分类】TP311
【相关文献】
1.基于关联规则的应用层特征挖掘 [J], 孙海霞;周健;程克勤
2.二进制的交叉挖掘关联规则研究 [J], 方刚;熊江
3.关联规则挖掘在零售业交叉销售中的应用 [J], 熊文娟;柳炳祥;赖小亮
4.基于关联规则挖掘的商业银行信贷产品交叉营销研究 [J], 许荻迪
5.基于关联规则挖掘的零售业交叉销售的策略 [J], 叶孝明;柳炳祥
因版权原因，仅展示原文概要，查看原文内容请购买。

电力设备运行状态大数据标签体系与关键技术

电力设备运行状态大数据标签体系与关键技术摘要：随着大数据分析技术在电网中的快速发展与深度应用，数据标签技术提供了一种新的数据整合思路。

电力设备大数据标签以灵活的方式从海量、离散的数据中实现对有用数据的快速识别和提取，在帮助调控人员实现对电力设备情况作出多维判断的同时，为后续电力数据挖掘建模提供了依据。

围绕电力设备基础信息、运行信息和状态信息3个维度，提出了一种多维度电力设备标签体系的构建方法，并通过聚类、故障概率计算、模糊推理3个层次丰富了数据标签的内涵，为实现电网监控智能化奠定基础。

关键词：大数据分析；电力设备；运行状态；数据标签0引言电力能源作为能源互联网中重要环节，电网已成为多种能源的共享网络。

近年来，国内外发生的多起因设备故障引起电网停电都与缺乏有效设备状态感知有关，主要由各调控机构之间没有信息共享导致的无法高效整合电力系统数据引起。

实现电网的全局协调控制，是智能调度建设的基本要求。

在电力设备状态感知方面，国内外研究机构进行了大量研究，集中于通过设备试验基于“电、声、光、化、热”物理量的监测获取设备状态量，进而对设备状态进行评估。

但通过长期的实践发现此种监测方法存在如下不足：（1）通过试验结果统计的方法有一定的相似性，无法真实反映实际设备故障产生机理，导致状态评估、风险预测等应用的计算准确率低、误差偏大；（2）由于设备状态参量众多，调度员确定有效反映不同设备故障的特征量困难且需要较多人工干预，无法保证设备状态评估结果的准确性；（3）各级调度间、调度中心内部之间无法实现数据实时共享，且存在多源、高维、异构等问题，客观上增加了数据分析工作量。

针对电网数据海量且离散的特点，在能源与电力系统调度优化和控制决策等方面提出引入机器学习算法的应用。

文献应用多元时间序列展开数据挖掘以建立数据时间维度上的关联，但并未探究空间维度上的设备数据关联处理。

因此，亟待建立完整的面向大数据的数据处理方式与体系以提升电网及设备状态监控智能分析的效率，从而实现电网设备监控与管理业务更新与变革。

模糊关联规则挖掘和推理系统

ＲｃｍｍｅｄｔｎＳｓｍＯＳａｍｅｇｄｈｓｓｄｄａｉｆｌｘｌｒｉｎｉｔｃｒｎｔｅｏｎａｏｙｔＲ）ｈｓｅｒｅ．Ｔｉｔｙｍａｅａｍｅｎｇｕｐｏａｏｏｔｓｕｔｅａｄｉｉｅｕｎｅｔｎｓｒｕｓ
ＲｅｏｍｅｃｍｎｄａｉｎＳｔｍａｅｎＦｕｚｓｏｉｔｏｕｌｓＭｉｉｎｄＩｅｅｃｔｏｙｓｅＢｓｄｏｚｙＡｓｃａｉｎＲｅｎｎｇａｎｆｒｎｅ
ＦＡＮＧｉＨＵＡＮＧｎ — ｈｎｇＲｕ，ＦａｇＳｅ
糊关联规则。最后，依据模糊关联规则对当前的订单
进行推理，提供有效的消费建议。因此，为了完成系统功能，需要实现模糊聚类算法和模糊关联规则挖掘
算法。
２１模糊Ｃ均值聚类算法．模糊Ｃ均值聚类算法，由硬Ｃ均值聚类算法改是．进得来，它也是用隶属度矩阵和聚类中心来确定样本
ｉｅｅｔｔｏｍｐｌｍｎａｉｎ．Ｂｙｃｍｂｉｉｇｔｅｆｚｙｃｕｔｒｎ，ｆｚｙａｓｃａｉｎｒｌｓｍｉｉｇａｄｆｚｒａｏｉｇｈｉｔｄｏｎｎｈｕｚｌｓｅｉｇｕｚｓｏｉｔｕｅｎｎｎｕｚｙｅｓｎｎ，ｔｓｓｕｙｏｄｓｇｅｄｉｌｍｅｔｄａｒｇｉａＲＳ．ｔｃｕｄｇｖｏｅｍａｃｉｇｓｇｅｔｏｓｂａｅｎｔｅａｔｅｔｃｄｔｎｅｅｉｎｄａｍｐｅｎｅｎｏｉｎｌｎＩＩｏｌｉｅｍｒｔｈｎｕｇｓｉｎｓｄｏｕｈｎｉａａａｄｔｈｈ

基于改进多层次模糊关联规则的定量数据挖掘算法

LKS2007）；贵州省教育厅基金项目（黔教社发［2010］339）；贵州省普通高等学校智能物联网工程研究中心建设项目（黔教合 KY 字［2016］016）；贵州省教育厅项目（黔教合 KY 字［2017］022）
作者简介：张定祥（1969-），男（苗族），贵州松桃人，高级工程师，副教授，主要研究方向为数据挖掘（zhangdingxianggz@）；张跃进（1978-），男，湖北钟祥人，副教授，博士，主要研究方向为数据挖掘､计算机应用．
发布日期引用格式
2018 年 10 月 10 日
张定祥, 张跃进. 基于改进多层次模糊关联规则的定量数据挖掘算法[J/OL]. 2019, 36(12). [2018-10-10]. /article/02-2019-12-037.html.
第 36 卷第 12 期录用定稿
1 提出的改进多层次模糊关联规则挖掘算法
为了挖掘多层次关联规则，需要对项目进行分类或者对概念的层次结构进行有效定义[11]。其中概念的层次结构可以从一个有向无环图（directed acyclic graph, DAG）[12]复制得到。概念的层次结构代表项目的通路与需求之间的关系，并能将它们在不同的抽象层级上分类。这些概念层次具有可用性，或者可以通过某一领域的专家应用得到。例如一个用户通常不仅关心电脑与打印机之间的关联，而更希望得到台式电脑的价格与激光打印机的价格之间的关联。此外，模糊理论[13]对于多层次关联挖掘方法的研究具有一定借鉴意义，这一理论提出通过引入渐进成员关系来表征语言术语的模糊边界[14]。
摘要：针对单一层次结构实现规则提取，具有规则提取准确性不高，算法运行时间长，难以满足用户使用需求的问题，提出一种基于改进多层次模糊关联规则的定量数据挖掘算法。采用高频项目集合，通过不断深化迭代的方法形成自顶向下的挖掘过程，整合模糊集合理论、数据挖掘算法以及多层次分类技术，从事务数据集中寻找模糊关联规则，挖掘出储存在多层次结构事务数据库中定量值信息的隐含知识，实现用户的定制化信息挖掘需求。实验结果表明，提出的数据挖掘算法在挖掘精度和运算时间方面相较于其他算法具有突出优势，可为多层次关联规则提取方法的实际应用带来突破性进展。关键词：模糊集合；用户定制化；多层次结构；柔性边界；隶属度函数中图分类号：TP311 doi: 10.3969/j.issn.1001-3695.2018.06.0405

一种基于多维集的关联模式挖掘算法

一种基于多维集的关联模式挖掘算法
钟勇;秦小麟;包磊
【期刊名称】《计算机研究与发展》
【年(卷),期】2006(43)12
【摘要】大多数维间关联规则挖掘算法如基于数据立方体的关联规则挖掘算法都假定对象的属性取值只具有单值性.将对象的属性取值扩展到多值,据此提出多维集的概念和基于多维集关联规则的语义特征.在此语义特征下,提出了一个多维集的关联规则挖掘算法.该算法利用多维集关联规则的限制特征,能够在数据集缩减的同时进行侯选集的三重剪枝,因此,具有比直接使用apriori等算法更好的性能,分析了算法的性能和正确性、完备性,并通过实验对算法有效性进行了对比.
【总页数】7页(P2117-2123)
【作者】钟勇;秦小麟;包磊
【作者单位】南京航空航天大学信息科学与技术学院,南京,210016;南京航空航天大学信息科学与技术学院,南京,210016;南京航空航天大学信息科学与技术学院,南京,210016
【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种基于APRIORI性质的多维关联规则挖掘算法的研究 [J], 秦锋;杨学兵
2.一种基于有向图的多维多值属性关联规则挖掘算法 [J], 汪峰坤;张婷婷
3.一种基于正频繁项集的非矛盾正负关联规则挖掘算法 [J], 邓广彪
4.一种基于数据两方垂直分布的多维关联规则挖掘算法 [J], 李海磊;王晗;孔令富;高慧星
5.一种基于hash和项集空间划分的关联规则挖掘算法 [J], 姚亮
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｂａｅｎｓｄ０ＦｕｚｙＬｏｉｚｇｃ
ＷＡＮＧｎ・ｕ，ＢｉｇｘｅＣＨＥＮａｚｏｇＹｕｎ・ｈｎ
（ｃｏｌｆｎｏｍａｉｎＭａａｅｎｄＥｇｎｅｎ，ｈｎｈｉｉｅｓｙｏｉａｃｎｃｎｍｉｓＳａｇａ２０３，ｉａＳｈｏｆｒｔｎｇｍｅｔｎｎｉｅｒｇＳａｇａＵｎｖｒｉｆｎｎｅｄＥｏｏｃ，ｈｎｈｉ０４３Ｃｈｎ）ｏＩｏａｉｔＦａ
第３卷第ｌ７０期
、０１７，．３・计算机工
程
２１０１年５月
Ｍａ２１ｖ０ｌ
ＮＯ．Ｏ１
ＣｏｕｔｒＥｎｉｅｉｍｐｅｇｎｅｒｎｇ
软件技术与数据库・
文章编号：０ｍ３２（１１３— ３文献标识码：ｌ０＿４８０１００５２）— Ａ
ｂｕｄｒｅ．ｌ ’ ｕｐｏｔａｄｃｎｄｎｅａｅｃｌｕａｅｔｅｅｓｐＳｓｔａｅｔｅｔｍｐｒａｔｍｅｓｒｓｍｏｅｅａｔｏｎａｉｓＲｕｅＳｓｐｒｎｏｆｅｃａｃｌｔｄｗｉｈｍｍｂｒｈｉＯａｏｍｋｗｏｉｏｔａｕｅｒｘｃ．Ｇｏｄｒｌｓａｃｉｒｈｎｏｕｅｒ
滑窗以及正规化处理后用模糊聚类方法聚类，使样本个体不是简单地归于单个代表形态。通过样本点的隶属度计算关联规则的支持度和可
信度，使这２个重要指标的计算更精确，并采用一种基于隶属度的Ｊｅｓｒ测度对规则有效性进行排序。实际算例显示该算法能提高可－ａｅｍｕ
中圈分类号：Ｐ１．Ｔ３１２１
基于模糊逻辑的多维时序软关联规则挖掘
王炳雪，陈元患
（上海财经大学信息管理与工程学院，上海２０３）０４３
摘
要：针对时间序列片段归类时在边界状态上存在不确定性的问题，提出一种软化边界的方法。方法对时问序列记录集属性序列进行该
Ｄ０Ｉ１．６／ｉｎ１０ —４８２１．０Ｏ１：０３９ｊｓ．０３２．１．１９．ｓ００１
１概述
目前，人们围绕时间序列局部形态之间的关联问题做了
大量工作。例如，文献［】了挖掘时间序列内部的关联规则，１为利用Ａｌｎ的区间逻辑（ｔｒａｌｇｃ原理，用一个滑窗限制ｌｅｉｅｖｌｏｉ）ｎ
ｓｌｃｅｔ－ａｕｅｗｈｃｓｂｓｄｏｎｍｅｅｓｉＥｍｐｒｃｌｅｕｔｈｗａｅｐａｔｒｎｄｒｌｓａｅｍｅｉｇｕｎｅｕｔｕ．ｅｅｔｄｗｉＪｍｅｓｒｉｈｉａｅｍｂｒｈｐ．ｈｉｉａｓｌｓｓｏｔｔｔｔｎｓａｕｅａｎｆｌｄｒｓｌｆ１ｒｈｈｅｒｎａ
ｏｄｒｔｏｍｕｓｒｅ，ｈａｕｓｏｒｅｏｆｒｓｂ—ｅｉｓｔｅｖｌｅｆｍｕｌｖｒａｅｔｍｅｓｒｅｒｕｎｏｒｃｒｓｔＳａｔｉｕｅｎｎｏｆｇｖｎｗｉｔｅｓｉｅｒｕｈｔｅｔａｉｔｉｅｉｓａｅｐｔｔｅｏｄｅ ’ ｔｂｔｓａｄｗｉｄｗｓｏｉｅｄｈａｌｄｔｏｇｈｉｉｒｒｄｈａｔｉｕｅ．Ｔｈｕ — ｅｅｅｎｒａｉｅｔｉｌｍｅｈｄａｄｔｅｌｓｅｅｔｕｚｏｉＳａｏｏａｎｉｓｄｌｇｔｓｗｉｓｆｅｔｂｔｓｒｅｓｂｓｒｓａｏｉｒｍｌｚｄｗｉａｓｍｐｅｈｔｏｎｈｎｃｕｔｒｄｗｉｈｆｚｙｌｇｃＯｓｔｂｔｉｔｅｅａｅｔｏｔｎｈ
［ｅｏｄ！ｄｔｍｉｎ；ｕｉａａｍｒｓｓｆｎｓｏｉｉｌ；ｚｙｏｉｆｚｕｔｎＫｙｒｓａｎｇｍｌｖｒｔｔｅｅｅ；ｏｔｓｃｔｎｕｓｆｚｇｃｕｙｌｅｇｗａｉｔｉｅｉｓｉｅａａｏｒｅｕｌ；ｚｃｓｒｉ
［ｓａｔｍｉｇａａｔｅｂｕｄｒｓｆｉｅｉｓｅｉｓｎｅｔｉｔｅｌｓｒｇｔｉｐｐｒｒｓｎｓａｍｅｏｆｏｔｏｎａｉｓＩＡｂｔｃ］Ａｉｎｔｈｔｈｏｎａｅｍｅｓｒｘｓｃｒｎｙｗｈｎｃｔｉ，ｈｓａｅｅｅｔｔｄｏｆｎｂｕｄｒｎｒｔｉｏｔｅｔｕａｕｅｎｐｈｓｅｅ
信度和Ｊａｕ测度。－ｓｒｍｅｅ关健词：数据挖掘；多维时间序列；软关联规则；模糊逻辑；糊聚类模
ＳｆｅｓｃａｉｎＲｕｅｉｉｇ０ｕｔａｉｔｍｅＳｒｅｏｔｎＡｓｏｉｔｏｌｓＭｎｎｆＭｌｉｒａｅＴｉｅｉｓｖ