数据挖掘是智能信息处理领域中一个十分活跃的前沿性研究方向,在许多领域均有成功的应用范例。关联规则是数据挖掘中最为热门的研究课题之一。本文引入了一种特殊的数量关联规则称为弱比例规则(Weak Ratio Rules),主要从模型、性质、挖掘、推理和应用五个方面展开对弱比例规则的研究,取得了如下研究成果: 1.讨论了一个模糊集对另一个模糊集的Goguen包含度的性质并引入了比Goguen包含度能更好描述模糊集包含程度的支持度概念,然后将模糊集的支持度概念推广到[0,+∞]值模糊集。作为[0,+∞]值模糊集支持度的特例,有限集上非负实值函数的支持度,被用来描述弱比例规则。 2.设计了挖掘有限个有限链直积下集的GenApriori算法和Boundary算法。GenApriori算法是R.Agrawal的Apriori算法的推广,是一个宽度优先算法,Boundary算法是一个深度优先算法。算法分析和实验结果均表明:在一些情况下Boundary算法优于GenApriori算法,而在另一些情况下GenApriori算法优于Boundary算法。两种算法均被用于挖掘拟极大弱比例规则。 3.指出弱比例规则问题是布尔关联规则问题的推广,是数量关联规则问题的特例。证明了任意一个弱比例规则都可诱导出一个布尔关联规则作为其支撑规则。 4.给出了弱比例规则的两种不确定性推理方法及其直观意义。 5.将弱比例规则及其推理方法应用到重构丢失数据、预测和异常值检测中,取得了较好效果。