|
|
|
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
|
|
|
|