《表6 具有不同αcuts和minSup值下本文U-MFL-FAR中MF优化的结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《不确定性数据中基于GSO优化MF的模糊关联规则挖掘方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在本节中进行了一些实验来分析置信区间αcuts对MF学习的影响。为了使这个分析更容易解释，表6显示了在三个不同的αcuts值（5、7和9）和九个不同的min Sup值（0.1～0.9）情况下的实验结果。其中:fitness是适合度函数的值；support是1-项集的平均支持度；GM3M是可解释性度量值；#L1是生成的1-项集的数量。通过分析获得的结果可以看到，fitness、support和#L1随着切割次数的增加而增加，但在九次切割时增加量较低，且需要较长时间才能完成。因此，本文使用七次切割，在适应度值与GM3M测度之间取得了很好的平衡。