不确定性数据中基于GSO优化MF的模糊关联规则挖掘方法-ChinaXiv.PDF

/article/02-2019-08-015.html 计算机应用研究 不确定性数据中基于GSO 优化MF 的模糊关联规则挖掘方法 * 1, 2 1 章武媚 ，董 琼 (1. 美国纽约州立大学, 美国 纽约州 奥斯威戈 13126; 2. 浙江同济科技职业学院, 杭州 310023) 摘 要：针对不确定性数据中模糊关联规则的挖掘问题，提出一种基于群有哪些信誉好的足球投注网站优化(GSO)算法优化隶属度函数(MF)的 MF 模糊关联规则挖掘方法。首先，将不确定性数据通过三元语言表示模型进行表示；然后，给定一个初始 ，并以最大 GSO MF 化模糊项集支持度和语义可解释性作为适应度函数，通过 算法的优化学习获得最佳 ；最后，根据获得的最佳 MF ，利用改进型的FFP-growth 算法来从不确定数据中挖掘模糊关联规则。实验结果表明，该方法能够根据数据集自 MF 适应优化 ，以此实现从不确定数据中有效地挖掘关联规则。 FFP-growth 关键词：模糊关联规则挖掘；不确定数据；隶属度函数；群有哪些信誉好的足球投注网站优化算法； 算法 中图分类号：TP311 doi: 10.3969/j.issn.1001-3695.2018.01.0076 Fuzzy association rules mining method based on GSO optimization MF in uncertainty data 1 v 8 Zhang Wumei1, 2, Dong Qiong1 0 4 (1. State University of New York, New York, Oswego, America 13126, USA; 2. Zhejiang Tongji Vocational College of Science 2 Technology, Hangzhou 310023, China) 0 . 4 Abstract: In order to solve the problem of mining fuzzy association rules in uncertainty data , this paper proposed a new method 0 of mining fuzzy association rules based on optimization of membership function (MF) by group search optimization (GSO) 8 1 algorithm. Firstly, it represented the uncertainty data by the 3-tuples linguistic representation model. Then, given an initial MF, 0 it obtained the best MF by optimizing learning of GSO algorithm with maximum