摘要: 摘 要: 高效的挖掘有用的但潜藏的信息并且通过恰当的结构表达该信息对于高级模式挖掘的理论和应用都有重要的意义。但有效模式挖掘最根本的挑战是模式挖掘的组合爆炸以及挖掘结果信息的有效表达。目前已有的多数研究尚未完全能够解决这些问题的根本原因在于巨大数量候选模式的生成和项目的权重仅考虑其确定数值。在本文研究中,为了解决以上问题,创新性的提出了基于“核心-牵引”这一模式的模糊模式结构,综合分析了项目的模糊性,提出了模糊支持度,项目在事物数据集中的模糊权重,并且依据模糊修剪策略提出了最大模糊模式挖掘树(MFFP-Tree)。因此,所提出的最大模糊模式挖掘具有高效的性能,具体体现在:算法仅扫描数据集一次;模糊剪枝策略的提出减少了模式提取的开销;并且基于模糊加权来增强挖掘结果的可靠性。根据基准数据集的广泛的实验结果,表明最大模糊模式挖掘算法相比PADS和FPMax*算法在时空复杂度和挖掘结果的有效性方面都具有显著的性能。