一种最大模糊模式挖掘技术制造技术

本发明专利技术属于模糊数据处理技术领域，具体的说是—种最大模糊模式挖掘技术，包括以下步骤：第一步：开始通过FSFP

【技术实现步骤摘要】
一种最大模糊模式挖掘技术


[0001]本专利技术涉及模糊数据处理
，具体是一种最大模糊模式挖掘技术。

技术介绍

[0002]现有的粗糙集理论和基于模糊集支撑的模糊操作技术，想通过频繁模式的先验性质，并且挖掘出的模式遵守约束条件，即监测变量出现的频度必须要大于指定阈值；然而，根据分析目标变量监测大规模数据的实践经验得知，仅具有实践指导意义的模式通常是相对频繁的监测变量和出现频率相对较低的监测变量的组合。特别，针对一个模糊监测变量的判断指标，其客观实际可能落在相近的不同等级区间，并且单个监测指标的表现的特征集合一般由相邻几个区间表征特征值和对象“个性化”的结果体现的特征组成。因而它为了阐述大规模数据集所隐含的模式的复杂性，对频繁的监测变量和相对不频繁的监测变量未做综合分析；导致模糊性监测变量客观表征程度降低，限制人类对客观事物认知度不高、呈现似象非象的感知过程，因此，针对上述问题提出一种最大模糊模式挖掘技术。

技术实现思路

[0003]为了弥补现有技术的不足，解决因而它为了阐述大规模数据集所隐含的模式的复杂性，对频繁的监测变量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种最大模糊模式挖掘技术，其特征在于：该技术方法包括以下步骤：第一步：开始通过FSFP
‑
Tree构建算法分析项目是否有挖掘条件，有的话，按照项目的模糊支持度降序排序，没有的话删除不满足调节的项目，并重新通过FSFP
‑
Tree构建算法分析项目是否有挖掘条件，采用模式感知的动态核心惧式搜索策略来确定核心模式集BP，采用动态模糊模式删除不满足调节的核心项，并重新通过FSFP
‑
Tree构建算法分析项目是否有挖掘条件，满足调节的核心项时，创建FSFP的根节点；第二步：当FSFP的根节点有分支时，且不止一个核心项时处理分支存在多个核心项的情况，当FSFP的根节点没有分支时，处理分支无核心项的情况，分支只有一个核心项时，创建头表，并且确定当前分支的参数〈模糊权重、棋喇支持度、核心项、被牵引的项)，之后结合事务T
i
的排序列表和结合FSFP
‑
Tree的插入算法，输出最终的最大模糊模式完成技术的挖掘。2.根据权利要求1所述的—种最大模糊模式挖掘技术，其特征在于：第三步：据实验观测出现元信息，存在模糊性数据处理任务和模糊性处理结果精度不高现状。3.根据权利要求2所述的—种最大模糊模式挖掘技术，其特征在于：第四步：在空间复杂度方面，最大模糊模式挖掘算法比PADS和FPMax*算法优越一个数量级至两个数量级。根据挖掘的有效信息的数量和质量分析，该算法更适合处理频繁观测变量和出现次数较低的模糊模组项的组合。4.根据权利要求3所述的—种最大模糊模式挖掘技术，其特征在于：第五步：在大数据知识发现的角度，将会探究核心
‑
牵引项的模式结构在高级知识挖掘中的作用，从而挖掘更优的新结构和发现更有效的新特征。5.根据权利要求4所述的—种最大模糊模式挖掘技术，其特征在于：第六步：模糊模式结构的构建。基于模糊模式的两类结构，本文给出模糊频繁模式(Fuzzy Frequent Pattern，FFP)的定义。定义1模糊模式(FFP)。根据以上分析，本文挖掘的模糊模式可以定义为两类：核心项(base pat...

【专利技术属性】
技术研发人员：唐辉荣，张海清，唐军，唐子涵，
申请(专利权)人：四川云引智创科技开发有限公司，
类型：发明
国别省市：