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

doi:10.3969/j.issn.1000-565X.2014.02.020

华南理工大学学报（自然科学版） ›› 2014, Vol. 42 ›› Issue (2): 132-138.doi: 10.3969/j.issn.1000-565X.2014.02.020

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

郑晓峰王曙

华南理工大学土木与交通学院，广东广州 510640

收稿日期:2013-09-25 修回日期:2013-11-21 出版日期:2014-02-25 发布日期:2014-01-02
通信作者: 郑晓峰(1977-)，男，博士生，工程师，主要从事道路交通运输管理研究． E-mail:bobcraft@163.com
作者简介:郑晓峰(1977-)，男，博士生，工程师，主要从事道路交通运输管理研究．
基金资助:
国家自然科学基金资助项目(61174184);广州市科技支撑计划项目(2011J4300045)

Data Mining Method of Road Transportation Management Information Based on Rough Set and Association Rule

Zheng Xiao- feng Wang Shu

School of Civil Engineering and Transportation,South China University of Technology,Guangzhou 510640,Guangdong,China

Received:2013-09-25 Revised:2013-11-21 Online:2014-02-25 Published:2014-01-02
Contact: 郑晓峰(1977-)，男，博士生，工程师，主要从事道路交通运输管理研究． E-mail:bobcraft@163.com
About author:郑晓峰(1977-)，男，博士生，工程师，主要从事道路交通运输管理研究．
Supported by:
国家自然科学基金资助项目(61174184);广州市科技支撑计划项目(2011J4300045)

摘要/Abstract

摘要： 针对道路运输管理信息数据大多不一致、不精确和不完整的特点，基于粗糙集理论中的系统归纳思想和属性约简方法，提出了粗糙集分析与经典关联规则相结合的数据挖掘方法，并利用粗糙集方法分析了规则条数与支持度、置信度之间的关系; 最后通过道路运输管理的实际案例对该方法的科学性、有效性进行了验证．结果表明，该方法对于解决道路运输管理的实际问题切实可行，对于选用的实际案例可实现约简33. 3% 条件属性的优化效果．

关键词: 道路运输, 管理信息, 粗糙集, 关联规则, 数据挖掘

Abstract:

As the data of the road transportation management information system are mostly inconsistent,impreciseand incomplete,a novel data mining method,which combines the rough set analysis with the classical associationrule,is proposed based on the system induction idea and the attribute reduction method of the rough set theory.Then,the relationship among the rule number,the support degree and the confidence is analyzed by using therough set method,and the reliability and validity of the proposed method is verified through a case study.The re-sults indicate that the proposed method can realize an attribute reduction of 33.3%,which means that the methodis effective in solving the problems existing in the real road transportation management system.

Key words: road transportation, management information, rough set, association rule, data mining

中图分类号:

U495

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.

Zheng Xiao- feng Wang Shu. Data Mining Method of Road Transportation Management Information Based on Rough Set and Association Rule[J]. Journal of South China University of Technology (Natural Science Edition), 2014, 42(2): 132-138.

[1]	蔡晓东洪涛曹艺. 基于极化关系表述与低维数据间关联学习的推荐模型[J]. 华南理工大学学报（自然科学版）, 2022, 50(1): 122-131.
[2]	李蒙蒙庞晋中陈明浩. 多源模糊信息系统中的属性约简（英文）[J]. 华南理工大学学报(自然科学版), 2020, 48(12): 144-152.
[3]	张子烨, 李明畅, 梁凌睿, 等. 推荐系统信息跨领域的改进迁移学习算法[J]. 华南理工大学学报（自然科学版）, 2020, 48(11): 99-106.
[4]	吴文静景鹏贾洪飞张铭航. 基于 K 均值聚类与随机森林算法的居民低碳出行意向数据挖掘[J]. 华南理工大学学报（自然科学版）, 2019, 47(7): 105-111.
[5]	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.
[6]	郑晓峰徐建闽卢凯. 基于属性维划分和MapReduce 的道路运输信息系统数据聚类[J]. 华南理工大学学报（自然科学版）, 2014, 42(8): 122-128,135.
[7]	纪霞李龙澍徐怡. 基于广义决策函数的改进 LEM2 规则提取算法[J]. 华南理工大学学报（自然科学版）, 2014, 42(5): 143-148.
[8]	杨永红吴炽王选仓. 风电场大型风机运输道路纵坡指标研究[J]. 华南理工大学学报（自然科学版）, 2014, 42(12): 14-20.
[9]	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.
[10]	徐晓翟敬梅刘海涛康博. 制造决策的知识融合粗糙集模型[J]. 华南理工大学学报（自然科学版）, 2011, 39(8): 36-41.
[11]	梁瑾罗飞许玉格. 基于决策表的模糊粗糙单调依赖算法及其应用[J]. 华南理工大学学报（自然科学版）, 2011, 39(7): 7-12.
[12]	赵俊红. 篡改图像边缘模糊操作的被动取证算法[J]. 华南理工大学学报（自然科学版）, 2011, 39(7): 77-82.
[13]	张福勇齐德昱胡镜林. 基于IRP的未知恶意代码检测方[J]. 华南理工大学学报（自然科学版）, 2011, 39(4): 15-20.
[14]	徐怡李龙澍李学俊 . 不完备信息系统中改进的LEM2算法[J]. 华南理工大学学报（自然科学版）, 2010, 38(11): 104-109.
[15]	翟敬梅徐晓尹春芳谢存禧. 生产质量在线监测、诊断和控制的粗糙集模型[J]. 华南理工大学学报（自然科学版）, 2009, 37(8): 1-7.

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

Data Mining Method of Road Transportation Management Information Based on Rough Set and Association Rule

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价