发现基于蕴涵的模糊关联规则

从蕴涵的角度,研究基于支持度和蕴涵度的关联规则(ARsi),讨论ARsi的性质,提出相应的算法,并研究了规则的兴趣性问题.文章还针对提出的算法做了相应的实验来表明算法的实用性及有效性.     

以直觉模糊熵改进权重的模糊数据关联算法

针对多中心点的观测数据存在不确定性的问题,首先将观测数据和预测数据进行直觉模糊化,然后利用直觉模糊熵改进直觉模糊集的数据权重,再计算直觉模糊集之间的加权距离以获得观测与预测数据的隶属度,最后依次搜索最大隶属度实现观测与预测的关联.通过实例将改进的直觉模糊C-均值聚类(IFCM)算法应用于数据关联计算,计算结果表明,存在模糊观测数据情况下,可以比较好的处理距离的权重信息,并得到更好的处理结果,实例证明算法是可行的.     

基于模糊聚类的属性匹配算法

提出了一种基于模糊聚类的属性匹配算法。该算法采用能综合反映属性名称相似性和语义相似性的模糊相似关系,提高了属性匹配的准确率;以等价闭包法对相似属性进行模糊聚类,得到多层次属性分类结果,更客观真实地反映了属性匹配的模糊性;同时,属性匹配过程中不需要设置匹配参数,避免了人为造成的误差。     

基于随机采样模糊聚类和卡尔曼滤波方法的模糊辨识

提出一种新的基于模糊聚类和卡尔曼滤波方法的模糊辨识算法 .该方法是基于快速模糊聚类 ,计算给定样本在各类中的隶属度 ,并利用卡尔曼滤波方法辨识模糊模型的结论参数 .整个辨识过程与一般的模糊聚类方法 [1 ]相比 ,需要的 CPU时间大大缩短 .最后通过仿真实例验证了该方法的有效性 .     

数据库中布尔型及广义模糊加权关联规则的挖掘

引入布尔型加权关联规则和广义模糊加权关联规则的概念,并分别给出挖掘这些规则的计算方法．     

基于TOPSIS的属性关联直觉模糊多属性决策方法

针对属性值为直觉模糊数,已知部分属性偏好关系及属性交互类型的属性关联多属性决策问题给出决策方法.首先定义方案到正(负)理想方案的距离及各方案与正理想方案相对贴近度.然后以极大化各方案与相对贴近度为目标建立优化模型,确定出属性集的模糊测度.进而基于直觉模糊Choquet积分算子计算各方案的直觉模糊综合评价值,再根据直觉模糊数的得分值及精确度得到方案的排序.最后通过实例验证了方法的有效可行性.     

具有模糊属性的关联产生式发掘算法及应用

本文通过不确定性推理的分析，提出了模糊关联的概念，用模糊概念表示事务数据之间的关联关系，研究了模糊关联的性质，给出了模糊关联产生式的发掘算法及应用的实例．     

基于灰色关联分析的模糊评判模型与系统分析

本文用灰色关联系数来求解隶属度，提出一种类别标准已确定的综合评判模型与方法，并用于系统的排序分析．     

基于模糊覆盖的模糊聚类

提出了ε水平最优模糊覆盖的新思想,结合推广的价关系概念,通过三角模糊算子（本文简称为Ｔ算子）,研究了一种 模糊聚类方法,不仅能够充分利用已有数据信息,而且解决了聚类的评价性问题。     

格蕴涵代数的关联理想与模糊关联思想

本文提出了格蕴涵代数的关联理想和模糊关联理想的概念,讨论了它们的性质,指出了关联理想与理想、关联理想与关联滤子、关联理想与模糊关联理想、模糊关联理想与模糊关联滤子、模糊关联理想与模糊理想之间的关系。     

A Framework for Evaluating Knowledge-Based Interestingness of Association Rules

In Knowledge Discovery in Databases (KDD)/Data Mining literature, interestingness measures are used to rank rules according to the interest a particular rule is expected to evoke. In this paper, we introduce an aspect of subjective interestingness called item-relatedness. Relatedness is a consequence of relationships that exist between items in a domain. Association rules containing unrelated or weakly related items are interesting since the co-occurrence of such items is unexpected. Item-Relatedness helps in ranking association rules on the basis of one kind of subjective unexpectedness. We identify three types of item-relatedness – captured in the structure of a fuzzy taxonomy (an extension of the classical concept hierarchy tree). An item-relatedness measure for describing relatedness between two items is developed by combining these three types. Efficacy of this measure is illustrated with the help of a sample taxonomy. We discuss three mechanisms for extending this measure from a two-item set to an association rule consisting of a set of more than two items. These mechanisms utilize the relatedness of item-pairs and other aspects of an association rule, namely its structure, distribution of items and item-pairs. We compare our approach with another method from recent literature.     

质量评价的属性数学模型和模糊数学模型

本文提出了质量评价的属性数学模型。该模型由三部分组成：单指标属性测度分析，多指标综合属性测度分析，属性识别分析。我们分析了属性数学模型和模糊数学模型的差异。应用例子表明属性数学模型是更合理的     

Mining axiomatic fuzzy set association rules for classification problems

In this paper, we propose a novel method to mine association rules for classification problems namely AFSRC (AFS association rules for classification) realized in the framework of the axiomatic fuzzy set (AFS) theory. This model provides a simple and efficient rule generation mechanism. It can also retain meaningful rules for imbalanced classes by fuzzifying the concept of the class support of a rule. In addition, AFSRC can handle different data types occurring simultaneously. Furthermore, the new model can produce membership functions automatically by processing available data. An extensive suite of experiments are reported which offer a comprehensive comparison of the performance of the method with the performance of some other methods available in the literature. The experimental result shows that AFSRC outperforms most of other methods when being quantified in terms of accuracy and interpretability. AFSRC forms a classifier with high accuracy and more interpretable rule base of smaller size while retaining a sound balance between these two characteristics.     

一种有方案偏好的直觉模糊多属性决策方法

研究了方案属性值和偏好值均为直觉模糊数的多属性决策问题.首先,通过分析部分文献中利用方案属性值与偏好值之间的偏差建立并求解规划模型,从而得到属性权重的不合理性.其次,在最小化方案综合评价值与偏好值偏差的基础上,建立并求解一个规划模型计算出属性权重.然后,利用方案综合评价值的得分函数和准确度函数对方案进行排序,从而得到了一种有方案偏好的直觉模糊数多属性决策方法.最后,通过一个实例说明了该方法的合理性与有效性.     

基于Vague集的模糊多目标决策方法及应用

针对目前基于Vague集多目标决策中Vague值计算困难以及确定目标满意度的下界和不满意度的上界存在主观随意性问题.提出了一种基于Vague集的模糊多目标决策方法.利用属性数学中的属性集和属性测度理论构造目标的真隶属度函数、假隶属度函数和犹豫度函数,从而可计算出目标的Vague值;采用记分函数计算方案的多目标评分值,从而可以对方案进行排序并选择出最优方案.应用实例验证了该方法的有效性和实用性.     

模糊多属性决策的加权投影折衷方法

基于矢量投影的思想,建立了分量为L-R型梯形模糊数的模糊矢量间投影的计算公式,把加权后的方案矢量投影到理想解上,负理想解投影到方案矢量上,以这两个投影构造方案与理想解的相对贴近度,来确定方案的优劣次序.并通过实例对这一决策方法进行说明.     

一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，依据传统的基于数值信息的FCM聚类算法的思路，提出了一种新的聚类分析算法。章首先描述了具有区间数多指标信息的聚类分析问题；其次给出了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理；然后给出了基于区间数多指标信息的FCM聚类算法的计算步骤。该算法的特点是聚类中心的表现形式为精确的数值，给出的两个定理说明了该聚类算法的收敛性。最后，通过给出一个算例说明了本给出的聚类算法。     

基于粗糙模糊度属性约简的教学质量评价

教师教学质量评价对提高教学质量具有积极意义和重要作用.教师教学质量评价指标的科学性及合理性是对教师的教学质量进行客观公正评价的重要前提,本文利用粗糙模糊度属性约简方法对教师教学评价指标进行分析、约简.所得结果对教师提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

基于新型区间直觉三角模糊熵的多属性决策方法

在进行区间直觉模糊多属性决策时,有时属性权重是未知的,针对这一问题,提出一种新型区间直觉三角模糊熵的决策方法.首先,给出该新型区间直觉三角模糊熵定义和相关定理,应用该区间直觉三角模糊熵确定属性的权重.然后,基于逼近理想解排序法(TOPSIS)的思想,采用改进的加权欧几里得距离,进行区间直觉模糊群决策,并给出决策步骤.最后,将该方法应用在供应链选择的群决策问题中,通过算例实验验证了该方法的有效性与可行性.     

基于模糊理论的交通安全评价方法的研究

道路交通安全系统的内部结构极为复杂,影响因素众多,各因素都具有模糊性.在综合研究分析国内外道路交通安全评价方法的基础上,对以往发生的道路交通事故资料进行分析,利用模糊评价理论,选取合理评价指标,建立了基于模糊的道路交通安全评价模型,对道路交通的安全性进行合理评价.