隨著計(jì)算機(jī)技術(shù)的廣泛使用,信息化如今已經(jīng)滲透到每一個(gè)行業(yè),企業(yè)在運(yùn)營(yíng)過(guò)程中積累了大量的歷史數(shù)據(jù),與此同時(shí),人們卻面臨著歷史數(shù)據(jù)臃腫,有用信息匱乏的窘境,如何充分利用這些海量數(shù)據(jù)并從中挖掘有效的信息對(duì)每個(gè)行業(yè)都是挑戰(zhàn)。關(guān)聯(lián)規(guī)則挖掘是一種常用的分析數(shù)據(jù)屬性之間相互作用能對(duì)事務(wù)產(chǎn)生何種影響的技術(shù),比如露點(diǎn)溫度與空氣濕度是怎樣影響天氣,降雨與否跟哪些因素有關(guān)等等,其相關(guān)性分析結(jié)果在一定程度上有助于為企業(yè)提供決策支持,因此在各行業(yè)中被大量使用。常見(jiàn)的關(guān)聯(lián)規(guī)則挖掘方法具有描述簡(jiǎn)單、表達(dá)直觀和結(jié)果可解釋性強(qiáng)等優(yōu)勢(shì),自提出以來(lái),眾多學(xué)者的不斷完善與改進(jìn),已經(jīng)取得長(zhǎng)足的發(fā)展和廣泛的應(yīng)用。然而在實(shí)際生活生產(chǎn)需求中,現(xiàn)有的關(guān)聯(lián)規(guī)則挖掘方法在處理關(guān)系型數(shù)據(jù)集時(shí),通常以屬性為粒度求解屬性之間的相關(guān)性,可能存在屬性相關(guān)性不夠精細(xì)的問(wèn)題,從而無(wú)法剖析屬性的內(nèi)在結(jié)構(gòu)、內(nèi)涵及隱藏的細(xì)粒度的相關(guān)規(guī)律。也就是說(shuō),如何提高算法的fine精度已然成為了一個(gè)新的突破點(diǎn)�；诖�,本文嘗試從邏輯學(xué)的角度出發(fā),以期通過(guò)某種算法挖掘得到粒度更小的關(guān)聯(lián)規(guī)則,為關(guān)聯(lián)規(guī)則挖掘提供一個(gè)新的角度。本文的具體實(shí)現(xiàn)是首先基于領(lǐng)域特征從邏輯學(xué)角度提出用... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖５－１氣溫?cái)?shù)據(jù)的可達(dá)圖??Ｆｉｇ．?５－１?Ｔｈｅ?ｒｅａｃｈａｂｉｌｉｔｙ?ｇｒａｐｈ?ｏｆ?ａｔｔｒｉｂｕｔｅ“ｔｅｍｐｅｒａｔｕｒｅ，，??

ＡｌＶＡ２ＶＡ５ＶＡ７Ｖ，Ａ１０ＶｉＡ１２ＶＡ１４ＶＡ１６ＶＡ１８ＶＡ１９）?式（３）??與此同時(shí)，采用決策樹(shù)方法（使用Ｃ４．５算法）得到的結(jié)果如圖５－１所示，其中葉??子結(jié)點(diǎn)０表示不下雨，１表示下雨，其余以小數(shù)呈現(xiàn)的節(jié)點(diǎn)可以釆用四舍五入法將其規(guī)??約為０或者１，以此判定是否下雨。??Ｃｌｉｃｋ?ｔｏ?ｄｉｓｐｌａｙ：?：?Ｓｄｅｎｔｉｉｙ?Ｍａｇｎｉｆｉｃａｌｊｏｎ：?ｉｌＥＫＪ％?Ｐｒｕｎｉｎｇ?ｌｅｖｅｌ：?Ｏｏｆ?７?囊??Ｘ２?＜ｘ２＜５４ｉ＾＾＞＝?６４．５??ｘｔ＜４２５：：＾ｌ￡ｔ＾４２－５?＜?ｘ２＜６５．５＾＾＞＝６Ｓ．Ｓ??．?ｘ２?＜?—＞＝?８８．５?ｘ１?＜?１２３?＾?＞＝＝?１２３ｘ３?＜?８９．５＾３?＞＝?８３－５??‘‘?ｘ３＜８２．５＾３＞＝８２５?＜５３．５＋＞＝５＾０??＾＜ｎ．Ｓｊｍ＞＾７１Ｓ?ｘ２＜Ｓ２．５＾＞＝＾｜??＾?Ｘ１＜６１＾１＞＝Ｓ１．Ｓ?４．１Ｖ１ＩＩ??Ａ?：：??ｘ３?（?？ｎｓ＾３?＞＝?？Ｊ，??ｉｍｓＭｉ?Ａ：??圖５－２決策樹(shù)方法得到的結(jié)果??Ｆｉｇ．?５－２?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｄｅｃｉｓｉｏｎ?ｔｒｅｅ?ｍｅｔｈｏｄ??４１??Ｉ??


本文編號(hào)：3357320