不确定性数据中基于GSO优化MF的模糊关联规则挖掘方法

来源：计算机应用研究杂志2019年第8期北京时间：

作者：章武媚,董琼,

单位：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，提出一种基于群搜索优化（GSO）算法优化隶属度函数（MF）的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MF，并以最大化模糊项集支持度和语义可解释性作为适应度函数，通过GSO算法的优化学习获得最佳MF；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适应优化MF，以此实现从不确定数据中有效地挖掘关联规则。

关键词：模糊关联规则挖掘,不确定数据,隶属度函数,群搜索优化算法,FFP-growth算法,

基金资助：国家自然科学基金资助项目(71561018)；浙江省教改项目(jg20160405)；全国教育信息技术研究项目(166223123)；；