刘 斌， 朱 明， 王景华， 张 利， 李献会

（1.合肥工业大学 计算机与信息学院，安徽 合肥 230009；2.齐鲁师范学院 计算机系，山东 济南 250002；3.合肥工业大学 机械与汽车工程学院，安徽 合肥 230009；4.洛阳轴研科技股份有限公司，河南 洛阳 471039）

0 引言

用户需求获取作为产品概念设计最前端过程，是概念设计所要满足的设计目标的直接来源，对于新产品开发能否成功有着至关重要的影响。国内外对用户需求获取进行了相关研究。文献［1－5］通过QFD技术进行需求分析，为研究用户需求提供了通用框架。文献［6］采用Apriori算法挖掘用户需求信息，实现了对关联规则的有效提取。文献［7］运用规则挖掘和模糊聚类的方法，完成了用户需求与专家知识间的相互转换。上述研究分别从不同角度利用不同工具研究需求信息，但是，如何将用户需求中潜在的、变换的需求信息进行有效的提取、转化，没有得到很好的解决。

数据挖掘是一个从数据中找出某些模式的过程，这个过程必须是自动或是半自动的，而找出的模式应能够解释数据中的某些现象。在数据挖掘中，关联规则挖掘是一个重要的研究方向。企业通过挖掘用户需求信息中的关联规则，可以发现历史数据库中暗含的设计知识，以显式形式表达出来。本文结合数据挖掘和可拓变换，通过粒子群算法挖掘用户需求的关联规则知识；利用可拓变换方法生成新的可拓变换知识，以使工程师更好地理解、预测用户的潜在需求，设计出用户真正想要的产品。……