模糊关联规则的研究与应用

　　前言
　　第一章　绪论
　　1.1 数据挖掘概述
　　1.1.1 数据挖掘概念
　　1.1.2 数据挖掘的任务
　　1.1.3 数据挖掘的方法和技术
　　1.1.4 数据挖掘工具的评价标准
　　1.1.5 数据挖掘的需求与挑战
　　1.1.6 数据挖掘研究现状
　　1.2 关联规则
　　1.2.1 布尔型关联规则
　　1.2.2 数量型关联规则
　　1.3 本书的主要内容
　　第二章　模糊关联规则及其挖掘算法
　　2.1 模糊关联规则
　　2.1.1 应用FCM算法将数量型属性离散化
　　2.1.2 模糊关联规则的挖掘算法
　　2.1.3 算法的正确性测试
　　2.1.4 在肿瘤诊断实例中的应用
　　2.1.5 挖掘算法的多种策略
　　2.1.6 优化的模糊关联规则挖掘算法
　　2.2 正态关联规则
　　2.3 三角关联规则
　　2.4 正态云关联规则
　　2.4.1 云模型
　　2.4.2 用正态云模型软化划分边界
　　2.4.3 挖掘正态云关联规则
　　2.4.4 正态云关联规则挖掘算法的改进
　　2.5 相关工作
　　第三章　特殊数据库上的模糊关联规则及其挖掘算法
　　3.1 挖掘集合值关系数据库的模糊关联规则
　　3.2 挖掘区间值关系数据库的模糊关联规则
　　3.2.1 通过在区间上取样来挖掘正态关联规则
　　3.2.2 应用RFCM算法挖掘模糊关联规则
　　第四章　加权模糊关联规则及其挖掘算法
　　4.1 加权布尔型关联规则
　　4.1.1 加权布尔型关联规则介绍
　　4.1.2 第一种加权布尔型关联规则挖掘算法
　　4.1.3 第二种加权布尔型关联规则挖掘算法
　　4.2 加权模糊关联规则
　　4.2.1 第一种加权模糊关联规则挖掘算法
　　4.2.2 第二种加权模糊关联规则挖掘算法
　　4.2.3 讨论
　　第五章　模糊关联规则的并行挖掘算法
　　5.1 布尔型关联规则挖掘的并行算法
　　5.2 数量型属性离散化
　　5.2.1 并行编程平台
　　5.2.2 PFCM算法
　　5.3 模糊关联规则的并行挖掘算法
　　5.4 性能分析
　　第六章　模糊关联规则的增量更新
　　6.1 模糊关联规则的增量更新
　　6.1.1 增加新记录
　　6.1.2 删除现有记录
　　6.2 实例分析
　　第七章　关注模糊关联规则的挖掘算法
　　7.1 典型模糊关联规则的挖掘算法
　　7.2 兴趣模糊关联规则的挖掘算法
　　7.2.1 关联规则的兴趣度度量方法
　　7.2.2 模糊关联规则的兴趣度度量
　　7.2.3 兴趣模糊关联规则的挖掘算法
　　第八章　模糊关联规则在分类中的应用
　　8.1 典型的分类系统
　　8.2 基于模糊关联规则分类系统的设计框架
　　8.3 基于最长模糊关联规则的分类系统
　　8.4 基于短模糊关联规则的分类系统
　　8.4.1 应用短模糊关联规则构建分类系统
　　8.4.2 分类系统的精简
　　8.5 区间值关系数据库的模糊关联规则分类方法
　　8.5.1 分类系统的构建
　　8.5.2 实验分析
　　第九章　模糊关联规则在预测中的应用
　　9.1 可加性模糊系统
　　9.2 遗传算法
　　9.3 基于模糊关联规则的预测方法
　　9.4 模糊预测系统的遗传优化
　　9.4.1 简化规则库
　　9.4.2 调整模糊集参数
　　9.5 实例分析
　　9.6 模糊集到模糊集预测
　　9.6.1 正态模糊数到正态模糊数的预测问题
　　9.6.2 正态云到正态云的预测问题
　　参考文献

　　关联规则发现是数据挖掘中最重要的任务之一，它的目标是发现数据中属性之间有趣的关联。数量型关联规则是一种重要的关联规则类型，用来发现数量型属性之间的关联。本书应用模糊集来软化属性论域的划分边界，并系统地介绍数量型属性的模糊关联规则及其应用。主要内容包括：数量型属性的模糊关联规则及其挖掘算法；集合值和区间值关系数据库上模糊关联规则及其挖掘算法；加权模糊关联规则及其挖掘算法；模糊关联规则的并行挖掘算法；模糊关联规则的增量更新；关注模糊关联规则的挖掘算法；模糊关联规则在分类和预测中的应用等方面。
　　本书可作为高等院校计算机专业研究生的教材，也可作为相关领域学生的参考书。