论文部分内容阅读
关联规则是数据挖掘的重要研究内容之一。传统的关联规则挖掘算法仅适于处理二元属性与分类属性。为更好地处理数量属性，提出了一种自适应的基于模糊概念的量化关联规则挖掘算法。该算法克服了传统的离散分区法的不足，改进了已有模糊关联规则支持度的计算方法。引入了一种基于聚类的隶属函数自动生成方法，使得模糊关联规则的发现不依赖于人类专家给出的隶属函数，使得关联规则的表示自然、简明，有利于专家理解。实验表明该算法是有效的。