|
|
|
|
基于粗糙集的关联规则挖掘在餐饮信息化中的应用
|
|
【计算机网络的论文】摘 要 关联规则挖掘是数据挖掘中的一个重要问题，在最近几年被广泛研究。本文将粗糙集理论及方法引入顾客消费水平评价中，通过属性约简降低属性纬数，然后基于粗糙集理论进行关联规则挖掘，得出了一些有益的结论，为拓展粗糙集的应用领域做出了有益的探索。
关键词 粗糙集；关联规则；餐饮信息化；区分矩阵；属性约简
1 引言
粗糙集理论（Rough Set）是由波兰数学家Z.Pawlak 在80年代初提出的一种处理模糊和不精确性问题的新型数学工具。利用粗糙集理论进行数据挖掘，重要的一点就是基于粗糙集理论的属性约简。通过约简操作降低属性的纬数，总结出适用于决策支持的知识规则，是粗糙集理论最重要的应用之一。
关联规则挖掘是数据挖掘中的一个重要问题，随着全球范围内数据库中存储的数据量迅速增大，数据间的关联规则往往过于庞大而难以分析，如何有效的得到有意义的关联规则成为研究热点。本文以酒店行业为应用背景，将基于粗糙集理论的数据挖掘技术应用于餐饮部门顾客消费记录，通过属性约简方法，将餐饮信息数据库中杂乱、无序的原始数据，化简为对企业有用的信息，为企业的决策提供新的解决方法。
2 基本概念
2.1 粗糙集理论的基本概念
粗糙集理论将分类与知识联系在一起，认为知识源于有认知能力的主体的分类能力，并用等价关系形式化表示分类。
定义1 粗糙集理论中定义信息系统为一个如下四元组：S = (U，A，V，F)，其中U = (x1，x2，…，xn) 是对象集，即论域；A 是属性集合，A = C∪D，且C∩D = Φ，其中C为条件属性，D为决策属性；V 为属性A的值域；F 是U ×A → V 的映射，它为U 中各对象的属性指定唯一值。S又被称为决策表。
定义2 在信息系统S 中，对于一属性集I ∈A，可构造对应的二元等价关系。IND (I) { < x，y > ∈ U ×U | νa∈ I，有a(x) = a(y) }，称I
|
|
|
|
<<<<<全文未完>>>>> 全文字数约3801字
|
要阅读全文请先注册成VIP会员！详情请阅读会员专区！
VIP会员可以阅读全文， 欢迎加入VIP会员专区！ 加入VIP会员步骤如下：
注册用户名→在线购卡
|
|
|
|
广告服务