資源描述:
《模糊關(guān)聯(lián)規(guī)則挖掘及在工業(yè)數(shù)據(jù)中的應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterfuzzyassociationrulesminingandapplicationinindustrialdataByJiaMeiGuoSupervisor:Prof.BingZhervlsorerot,Zhou:MasterdegreeofScienceSchoolofInformationandEngineeringMay,2014學(xué)位論文原創(chuàng)性聲明\j本人鄭重聲明:所呈交的學(xué)位論文,是本人在導(dǎo)師的指導(dǎo)下,獨(dú)立進(jìn)行研究所取
2、得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的科研成果。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體,均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。??:私爻嗍訓(xùn)忤咖]日學(xué)位論文使用授權(quán)聲明本人在導(dǎo)師指導(dǎo)下完成的論文及相關(guān)的職務(wù)作品,知識(shí)產(chǎn)權(quán)歸屬鄭卅I大學(xué)。根據(jù)鄭州大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定,同意學(xué)校保留或向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版,允許論文被查閱和借閱;本人授權(quán)鄭州大學(xué)可以將本學(xué)位論文的全部或部分編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索,可以采用影印、縮印或者其他復(fù)制手段保存論文和匯編本學(xué)位
3、論文。本人離校后發(fā)表、使用學(xué)位論文或與該學(xué)位論文直接相關(guān)的學(xué)術(shù)論文或成果時(shí),第一署名單位仍然為鄭州大學(xué)。保密論文在解密后應(yīng)遵守此規(guī)定。學(xué)位論文作者:黿了囊炎日期:衛(wèi)I葉年占月1El摘要隨著科學(xué)技術(shù)和智能控制技術(shù)的迅速發(fā)展,在工業(yè)企業(yè)管理系統(tǒng)中積累了大量的歷史數(shù)據(jù),而從這些歷史數(shù)據(jù)中挖掘潛在的領(lǐng)域知識(shí)和關(guān)聯(lián)關(guān)系,可以為工業(yè)管理中的決策控制和領(lǐng)域經(jīng)驗(yàn)豐富提供幫助,是數(shù)據(jù)挖掘領(lǐng)域的重要分支之一。由于工業(yè)企業(yè)上報(bào)數(shù)據(jù)存在數(shù)據(jù)量大,多維性,含有大量數(shù)值型數(shù)據(jù)等特點(diǎn),難以建立精準(zhǔn)的數(shù)學(xué)模型。而通過(guò)傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘方法會(huì)造成數(shù)值型數(shù)據(jù)的分區(qū)過(guò)硬,造成
4、潛在信息丟失等問(wèn)題。本文將模糊關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用于工業(yè)企業(yè)能源管理上報(bào)數(shù)據(jù)中,挖掘?qū)崟r(shí)數(shù)據(jù)中潛藏的關(guān)聯(lián)關(guān)系,為工業(yè)企業(yè)能源管理決策和控制提供可參考的依據(jù)。本文在對(duì)比當(dāng)前常用方法的基礎(chǔ)上,首先介紹了關(guān)聯(lián)規(guī)則以及模糊關(guān)聯(lián)規(guī)則的基本提取方法,并針對(duì)當(dāng)前模糊關(guān)聯(lián)規(guī)則提取算法中的不足,提出一種基于自適應(yīng)聚類的改進(jìn)模糊關(guān)聯(lián)規(guī)則挖掘算法,最后將本文的算法應(yīng)用于工業(yè)企業(yè)能源管理領(lǐng)域的數(shù)據(jù)關(guān)聯(lián)關(guān)系挖掘中。針對(duì)數(shù)據(jù)挖掘中數(shù)值屬性分區(qū)過(guò)硬導(dǎo)致的信息丟失問(wèn)題,在本文中,提出一種改進(jìn)的模糊聚類關(guān)聯(lián)規(guī)則挖掘方法,該算法首先采用改進(jìn)的C均值聚類算法處理原始的數(shù)據(jù)集,
5、剔除冗余數(shù)據(jù),并產(chǎn)生模糊分區(qū),克服傳統(tǒng)C均值聚類算法對(duì)初始聚類中心敏感,容易在迭代過(guò)程中陷入局部最小值的缺點(diǎn),再利用模糊分區(qū)將原始的數(shù)據(jù)集映射到模糊區(qū)間內(nèi),之后采用實(shí)驗(yàn)結(jié)果表明,該方法能加快目標(biāo)函數(shù)收斂速度,提升挖掘效率,提高關(guān)聯(lián)規(guī)則的語(yǔ)義直觀性和可信度。利用模糊關(guān)聯(lián)規(guī)則挖掘算法,將其應(yīng)用在工業(yè)企業(yè)能耗管理系統(tǒng)數(shù)據(jù)集中,設(shè)計(jì)了基于能源利用的關(guān)聯(lián)規(guī)則提取模型,提取出相關(guān)規(guī)則,并通過(guò)對(duì)挖掘出的規(guī)則解釋分析,提出了部分優(yōu)化建議,為工業(yè)管理和控制領(lǐng)域科學(xué)決策提供依據(jù)。關(guān)鍵字:關(guān)聯(lián)規(guī)則;模糊聚類:工業(yè)數(shù)據(jù)AbstractWitlltherapidd
6、evelopmentofscienceandtechnologyandintelligentcontroltechnology,Alotofhistoricaldataaccumulatedintheindustrialproduction.Asoneofthecurrentresearchemphasisinthefieldofdatamining,excavatingpotentialdomainknowledgeandassociatedrelationshipfromthesehistoricaldataCanprovidedec
7、ision-makingadviceandenrichthefieldexperienceinthemanagementofindustry.Theactualprocessdatainvolvethetypicalfeaturesofhighlycomplexity,insistofnumericaldataandredundancydata.thereforeitisdifficulttoestablishaccuratemathematicalmodel.Throughthetraditionalassociationrulesmi
8、ningmethodwillcausetherigidboundaryofnumericdata,whichbringstheproblemssuchaspotentialinformatio