基于SOFM 网络的多层模糊关联规则挖掘算法

华南理工大学学报（自然科学版） ›› 2007, Vol. 35 ›› Issue (5): 81-85.

基于SOFM 网络的多层模糊关联规则挖掘算法

李学俊¹李龙澍¹徐怡²

1.安徽大学计算智能与信号处理教育部重点实验室，安徽合肥 230039;2. 安徽大学计算机科学与技术学院，安徽合肥 230039

收稿日期:2006-11-20 出版日期:2007-05-25 发布日期:2007-05-25
通信作者: 李学俊(1976-)，男，讲师，博士生，主要从事Web挖掘、机器学习、智能软件方面的研究. E-mail:xjli@ahu.edu.cn
作者简介:李学俊(1976-)，男，讲师，博士生，主要从事Web挖掘、机器学习、智能软件方面的研究.
基金资助:
国家自然科学基金资助项目( 60273043 ) ;安徽省自然科学基金资助项目(050420204) ;安徽省教育厅自然科学研究项目(KJ2007B153 )

Mining Algorithm for Multi-Level Fuzzy Association Rules Based on SOFM Network

Li Xue-jun¹Li Long-shu¹Xu Yi²

1. Key Laboratory of Intelligent Computing & Signal Processing of the Ministry of Education , Anhui Univ. , Hefei 230039 ， Anhui , China;2. School of Computer Science and Engineering , Anhui Univ. , Hefei 230039 , Anhui , China

Received:2006-11-20 Online:2007-05-25 Published:2007-05-25
Contact: 李学俊(1976-)，男，讲师，博士生，主要从事Web挖掘、机器学习、智能软件方面的研究. E-mail:xjli@ahu.edu.cn
About author:李学俊(1976-)，男，讲师，博士生，主要从事Web挖掘、机器学习、智能软件方面的研究.
Supported by:
国家自然科学基金资助项目( 60273043 ) ;安徽省自然科学基金资助项目(050420204) ;安徽省教育厅自然科学研究项目(KJ2007B153 )

摘要/Abstract

摘要： 为了表示复杂庞大的概念层次树，文中提出了一种更加通用的编码方案，将概念分层应用于模糊关联规则的挖掘.此外，为解决隶属度函数难以主观确定的问题，引入一种SOFM 网络来确定样本数据的隶属度函数.基于改进的概念层次树的编码方案和SOFM 网络，将模糊集引入关联规则挖掘中，设计了一种新的多层模糊关联规则挖掘算法.实验结果表明，该算法可以有效地挖掘出易于理解的、有意义的多层次模糊关联规则，具有很好的效率和伸缩性.

关键词: 自组织特征映射网络, 概念分层, 模糊集, 关联规则

Abstract:

In order to represent a complex large concept hierarchy tree , this paper proposes a more general coding scheme which applies concept hierarchy into the mining of fuzzy association rules. As it is difficult to determine the membership function subjectively , a self-organizing feature map (SOFM) network is introduced to determine the membership function of sample data. Based on the improved coding scheme and the SOFM network , fuzzy set is then introduced to design a new algorithm of mining multi-level fuzzy association rules. Experimental results show that the proposed algorithm is of high efficiency and scalability and can effectively mine multi-level fuzzy association rules that are meaningful and easily understandable.

Key words: self-organizing feature map network, concept hierarchy, fuzzy set, association rule

李学俊李龙澍徐怡. 基于SOFM 网络的多层模糊关联规则挖掘算法[J]. 华南理工大学学报（自然科学版）, 2007, 35(5): 81-85.

Li Xue-jun Li Long-shu Xu Yi. Mining Algorithm for Multi-Level Fuzzy Association Rules Based on SOFM Network[J]. Journal of South China University of Technology (Natural Science Edition), 2007, 35(5): 81-85.

[1]	蔡泽祥马国龙孙宇嫣黄昱翰. 基于数据挖掘的电力设备运维与决策分析方法[J]. 华南理工大学学报（自然科学版）, 2019, 47(6): 57-64,71.
[2]	吴一全殷骏戴一冕. 基于人工蜂群优化的 NSCT 域图像模糊集增强方法[J]. 华南理工大学学报（自然科学版）, 2015, 43(1): 59-65.
[3]	付学谦陈皓勇蔡润庆. 基于自组织特征映射网络的电能质量综合评估[J]. 华南理工大学学报（自然科学版）, 2014, 42(6): 7-11.
[4]	郑晓峰王曙. 基于粗糙集与关联规则的道路运输管理信息数据挖掘方法[J]. 华南理工大学学报（自然科学版）, 2014, 42(2): 132-138.
[5]	陈兴蜀张帅童浩崔晓靖. 基于布尔矩阵和 MapReduce 的 FP-Growth 算法[J]. 华南理工大学学报（自然科学版）, 2014, 42(1): 135-141.
[6]	许孝元韩国强闵华清. 预测型关联规则演化学习的适应值函数[J]. 华南理工大学学报（自然科学版）, 2005, 33(5): 1-6.