论文部分内容阅读
数量型关联规则用于发现数量属性之间的关联关系，因其广泛的应用背景而成为了一种重要的关联规则类型。因为目前布尔型关联规则的研究相对较成熟，所以经典的方法是通过数量属性的离散化把数量型关联规则挖掘问题转化为布尔型关联规则，这类方法得到的用区间表示的关联规则难以被理解，而且规则产生过程容易过分忽略或强调区间边界附近的元素，即引起所谓“边界尖锐”问题。而模糊集理论能够通过隶属函数形成区间的模糊边界，实现数量属性相邻区间的平滑过渡，于是研究者把模糊集理论与数量型关联规则相结合提出模糊关联规则。但模糊集的引入产了新的问题：如何确定数量属性模糊区间对应的隶属度函数；如何挖掘具有模糊逻辑语义的模糊关联规则；如何设计高效模糊频繁项挖掘算法等。本文围绕这些问题，对模糊关联规则在分类中的应用即如何构建模糊关联分类模型展开研究，主要工作有以下四个方面：
(1)三角形隶属度函数被广泛用于模糊关联规则挖掘的数据预处理过程。目前已有的研究大多采用简单遗传模型确定数量属性模糊区间上的三角形隶属函数，这类方法用于取值范围较大的数量属性时容易出现过早收敛现象。为此本文提出了一种基于CHC遗传模型的数量属性模糊划分的方法，该方法采用实数编码和PNX交叉算子，由阈值干预重新初始算子，以模糊1-频繁项的支持度和三角形隶属度函数对数量属性取值范围的覆盖率与隶属度函数间的重叠度为优化目标，通过遗传进化自动确定数量属性的模糊划分区间。实验结果表明：与同类算法相比，该方法所得最优个体有较高的适应度值，缩短了遗传进化所需时间，适用于取值范围较大的数量属性的模糊划分。
(2)目前已有的模糊频繁项挖掘算法大多是对经典Apriori算法的扩充，此类方法存在需多次扫描数据集的固有缺陷，且在挖掘过程中也没有考虑模糊项间的逻辑语义。为此本文提出了一种基于TD-FP-Growth的模糊关联规则挖掘算法，该算法使用三种t-模算子以及由其产生的蕴含算子计算模糊频繁项的支持度和规则的蕴含度，产生的关联规则能够表示模糊项间的确定性和渐进性逻辑语义。该算法以事务的惟一标识为键值散列存储每个事务对Fp-tree中每个结点所表示模糊项的隶属度使得TD-FP-Growth适用于模糊频繁项的挖掘：文中还分析了两种算法的时间和空间复杂度，实验证明了从逻辑语义角度考虑模糊关联规则的挖掘的必要性，本文算法的时间开销少于基于Apriori的模糊频繁项挖掘算法的时间开销。
(3)准确率和解释性是模糊关联分类模型的两个相互制约的优化目标。目前已有的研究方法中，有的只考虑了分类模型的准确率，有的把这两个目标化简为单目标进行问题求解，有关模型的解释性目标的优化策略较为简单。为此,本文提出了一种基于NSGA-Ⅱ(Nondominated Sorting Genetic AlgorithmⅡ)多目标进化算法的模糊关联分类建模方法，该方法采用基于概率独立性的模糊确认指标筛选生成高质量的模糊关联分类规则集，以匹茨堡(Pittsburgh)式的二进制编码方式对模糊关联分类规则集进行编码，从而构建准确率和解释性折中的模糊关联分类模型。利用该模型对UCI(UC Irvine)标准数据集进行实验，表明该方法所建模型分类的准确率比同类模型高，且该分类模型具有较好的泛化能力，而其所含分类规则的数目和规则前件总的模糊项的个数却较少.即表现出模型的解释性较好。
(4)应用上述(3)的方法在多类不平衡数据集上进行模糊关联分类建模时，针对稀有类样本产生的模糊关联分类规则较少，这使得模型对稀有类样本的识别率较低。而目前的研究对已有的不平衡分类算法大多面向两类不平衡分类问题，且有关多类不平衡数据分类的研究报道也较少。为此，本文提出一种新的适用于多类不平衡数据分布情形下的模糊关联分类方法，该方法基于遗传算法构建子模糊关联分类器，遗传进化过程采用了二进制编码方式，HUX(Half Uniform Crossover)交叉算子和有偏向的变异算子，使用AdaBoost. M1W集成学习方法对模糊关联分类器进行提升。以最小化集成学习迭代过程中训练样本的加权分类错诶率和子模糊关联分类器中模糊关联规则及规则中所含模糊项的数目为遗传优化目标，实现了AdaBoost.M1W和模糊关联分类建模过程的较好融合。通过对六个多类不平衡UCI标准数据集，和现有的关于不平衡数据分类问题的数据预处理方法实验对比表明，所提方法能显著提高多类不平衡情形下的模糊关联分类模型的分类性能。