模糊时序关联分类的知识推理及其在食品安全管理系统中的应用

关联规则(Association rule)用于发现交易数据库中不同商品(项)之间的联系,这些规则反映了顾客购买行为模式。近年来,基于时间约束的关联规则逐渐成为研究的热点,即对那些具有时间先后顺序的事务进行挖掘,以获取反映用户行为的时间序列模式。特别地,实际应用领域正面临需要解决一类具有模糊性影响下的时序列关联问题。本文主要针对时序关联及其模糊时序关联的一系列问题,包括支持度与信任度的定义、时序关联规则挖掘算法、时序关联规则剪枝和时序关联的知识推理等,进行较深入的研究。 本文在分析了经典的Apriori算法及具有应用优势的FP-tree关联规则算法的基础上,首次引入时态逻辑以及时态数据库,定义了时序关联分析方法,并提出时序关联分类算法。为了提高算法的效率,在定义时序关联分类算法基础上进行改进,引入了GR-tree搜索机制以及三种新剪枝方法,通过算法试验,证明了改进后的时序关联分类算法效率有较大的提高。 在时序关联及时序关联分类的基础上,引入模糊逻辑,定义了基于模糊性影响下关联规则支持度与信任度的表示,从而定义了模糊时序关联分类算法。为了解决算法重复扫描数据库以及由于因为模糊逻辑引入造成的搜索效率低下的问题,提出了把序列数据库分割成互不重叠的子数据库分别进行搜索的算法新思路。经过比较时序关联分类与模糊时序关联分类算法,由于模糊表示增加了相应的模糊时序关联规则,使得模糊时序关联分类有着较高的识别率。 应用模糊时序关联分类于食品安全管理的知识推理,针对食品安全主任的食品安全法律法规知识的考核信息,进行模糊时序关联分类的规则挖掘,提取在一定支持度与信任度下的模糊时序关联规则,用于发现食品安全主任知识考核中“某些知识点掌握较弱,经过一段时间,也导致另一些知识点掌握较弱”的可能性,提供知识分布异常的预警信息,为食品安全管理制度的实现提供决策依据。