Efficient mining product-based fuzzy association rules through central limit theorem

در این مطالعه، ما یک الگوریتم سریع برای ایجاد قوانین انجمن فازی مبتنی بر محصول از مجموعه داده های کمی ارائه می دهیم که میزان داده ها را کاهش می دهد و کیفیت نتایج حاصل را تضمین می کند. یک روش برای تبدیل استخراج قوانین انجمن فازی به همتای دوتایی طراحی شده است. نشان داده شده است که نتایج نهایی توسط این تغییر تحت تاثیر قرار نمی گیرد. سپس، یک روش نمونه گیری کارآمد توسعه داده می شود، جایی که یک نمونه برای جایگزینی مجموعه داده های اصلی بزرگ گرفته شده است، بنابراین اندازه مجموعه داده ها کاهش می یابد و هزینه اسکن نیز کاهش می یابد. از طریق قضیه محدودیت مرکزی، اندازه نمونه را می توان به طور معقول تنظیم کرد، بنابراین انحراف حمایت از هر اقلام فازی ناشی از نمونه گیری در محدوده کوچک با احتمال بالا محدود می شود. از طریق یک سری از آزمایشات، مزایای رویکرد هر دو سرعت الگوریتم پیشنهادی و قابلیت اطمینان آن را نشان می دهد.