基于粗糙集的关联规则约简的中期报告.docx

基于粗糙集的关联规则约简的中期报告

一、研究背景

关联规则挖掘是数据挖掘中的一个重要领域。它可以发现数据集中的频繁项集和关联规则，以发现数据集中的有趣模式。但是，在实际应用中，关联规则的数量往往很大，这会影响规则挖掘的效率和分析的有效性。因此，对关联规则进行约简已成为一个热门的研究领域。

传统的关联规则约简方法主要是基于频繁项集的，但是这些方法存在一些限制，如处理规模大的数据集时存在问题，同时这些方法仅考虑了频繁项与其支持度之间的关系，不能充分利用数据集中的其他关系信息来约简规则。

为了克服这些限制，一些研究者提出了基于粗糙集的关联规则约简方法。粗糙集理论可以有效地分析数据集中的不确定性和模糊性，因此可以用来发现数据集中的潜在模式。这些方法能够将单目标属性约简扩展到多目标属性，并能够同时保留重要的属性和关系，从而有效地减少挖掘的规则数量，提高挖掘效率和分析结果的准确性。

二、研究目的

本研究的目的是探讨基于粗糙集的关联规则约简方法，并基于该方法进行实验验证。具体目的包括：

1.研究粗糙集理论及其应用于关联规则挖掘的原理和方法；

2.综述相关文献，并对比不同的关联规则约简方法，分析其优缺点；

3.设计基于粗糙集的关联规则约简算法，并详细介绍算法过程；

4.实现基于粗糙集的关联规则约简算法，并对其进行实验验证；

5.分析实验结果，并比较本研究方法与其他方法的优劣。

三、研究内容

1.研究粗糙集理论及其应用于关联规则挖掘的原理和方法

2.综述相关文献，并对比不同的关联规则约简方法，分析其优缺点

3.设计基于粗糙集的关联规则约简算法，并详细介绍算法过程

4.实现基于粗糙集的关联规则约简算法，并对其进行实验验证

5.分析实验结果，并比较本研究方法与其他方法的优劣。

四、研究方法

本研究采用以下方法进行研究：

1.文献综述法：对已有的关联规则约简方法进行综述，并比较其优缺点；

2.算法设计法：根据粗糙集理论，设计基于粗糙集的关联规则约简算法；

3.实验法：利用实验验证算法的效果，并比较不同方法的性能差异。

五、预期结果

本研究预期达到以下结果：

1.掌握粗糙集理论及其应用于关联规则挖掘的原理和方法；

2.对比分析不同的关联规则约简方法，分析其优缺点；

3.设计基于粗糙集的关联规则约简算法，并实现该算法；

4.验证基于粗糙集的关联规则约简算法的有效性；

5.对实验结果进行分析，并比较不同方法的性能差异。

六、进度安排

第一阶段（已完成）：文献综述和相关理论的学习；

第二阶段（正在进行）：算法的设计和具体实现；

第三阶段：实验验证和性能分析。

七、参考文献

1.J.Han,M.Kamber,DataMining--ConceptsandTechniques,MorganKaufmann,SanFrancisco,CA,2006.

2.Y.Yao,H.Zhong,Roughassociationruleminingandapplications,InformationSciences,vol.177,no.17,pp.3566-3579,2007.

3.J.Wang,C.Wang,Q.Li,etal.,Roughassociationruleminingwithmultipleminimumsupportsbasedonα-dominance,InformationSciences,vol.315,pp.65-77,2015.

4.Y.Li,Y.Li,Y.Ge,etal.,Variableprecisionroughsetsbasedminingalgorithmofassociationrules,ExpertSystemswithApplications,vol.39,no.17,pp.13259-13266,2012.

5.L.Dong,Q.Chen,H.Chen,etal.,Anovelapproachtominingassociationrulesbasedongametheoryinroughsets,Knowledge-BasedSystems,vol.112,pp.13-20,2016.