基于模糊聚类的模糊关联规则在流程企业中的应用

采用数据挖掘中的模糊聚类分析了流程企业中历史数据的区间值,然后用模糊关联规则挖掘出有用的规则。首先阐述了模糊聚类的RFCM算法和关联规则的Apriori算法的内容,分析了实现模糊关联规则的Fuzzy_C lustApriori算法流程,并用RFCM算法对实际数据进行分析,得到不同类别的模糊数。根据Fuzzy_C lustApriori算法的步骤对模糊化的参数点进行处理,得到了有价值的模糊规则,为流程企业的生产优化提供了理论依据。

挖掘优化的语言值关联规则

文章应用竞争聚集算法(CA算法)代替RFCM算法将数量属性划分成若干个语言值,CA算法综合了分层聚类与划分聚类的优点,它不仅比RFCM算法节省时间,而且能得到优化的固定的聚类个数,因此CA算法能挖掘出优化的语言值关联规则。文中没有把语言值表示成正态模糊数模型,从而可以避免产生不必要的误差.最后应用CA算法挖掘一个气象仿真实例的优化的语言值关联规则。