Nestriktu asociāciju likumu teorijas pamatjautājumi un tās lietojumu analīze

Abstract

Maģistra darbs ir veltīts nestrikto asociāciju likumu analīzes teorijas pamatjautājumu izpētei. Šo pētījumu mēs attīstījām, pamatojoties uz klasisko asociāciju likumu analīzes jēdzieniem. Asociāciju likumu analīze tiek pielietota likumsakarību meklēšanai datos, kas balstās uz pazīmju vienlaicīgas parādīšanas ierakstos. Nestriktu asociāciju likumu analīzes teorija tiek attīstīta, lai pēc iespējas precīzāk noteiktu likumsakarības datos un atklāt tādas, kuras nav iespējams identificēt ar klasiskajām metodēm. Darba galvenais mērķis ir matemātiski korekti ieviest nestriktu asociāciju likumu teorijas pamatjēdzienus, pierādīt svarīgākus rezultātus un vispārināt Apriori algoritmu. Kā arī veikt datu par sirds slimībām analīzi.

Master thesis is devoted to the research of basic aspects of the Fuzzy Association Rules analysis theory. We developed the research patterned after classic Association rules analysis. Association rules analysis is used for patterns finding in data based on features co-occurrences in database. Our aim when developing fuzzy Association rules analysis theory is to find as more precise as possible interrelations in data and those ones which cannot be discovered with classic methods. The main purpose of this thesis is to introduce basic aspects of the fuzzy association rules analysis theory in the mathematically correct way, to prove the main results and to generalize Apriori algorithm. We also use medical data to show its practical usage.