基于粗糙集和概念格的数据挖掘关联规则的研究

摘要

概念格是从数据中进行概念发现的一种数学工具,可通过哈斯图表现出概念之间的层次关系,已在信息检索、数字图书馆、软件工程和知识发现等方面得到应用.粗糙集理论是处理模糊和不确定知识的一种数学工具,已在人工智能与知识发现,模式识别与分类,故障检测等方面得到了较好应用.本文主要研究了基于概念格和粗糙集的数据挖掘关联规则方法做了研究.主要提出了一种基于概念格的增量关联规则的构造方法,该方法只需扫描数据库一次,并且只生成最大化的项目集;在此基础上,提出一种在概念格上提取分类和关联规则的集成算法,该算法可从格上生成具有任意指定后件的分类/关联规则.此外,还给出了几条指导生成非冗余规则的若干规则.

目录

摘要

第一章引言

1.1数据挖掘方法概述

1.1.1属性选择法

1.1.2聚类算法

1.1.3连续值属性离散化方法

1.1.4实例选择方法

1.1.5分类算法

1.1.6文本/web挖掘

1.1.7组合学习方法

1.1.8关联规则

1.2本文主要研究内容

第二章挖掘关联规则中的Apriori算法

2.1关联规则的形式

2.2 Apriori算法

2.2.1 Apriori算法描述

2.2.2 gen_candidate函数

2.2.3对上述函数的说明和论证

2.2.4举例说明Apriori算法运作过程

2.3结束语

第三章概念格上的规则提取

3.1概念格理论及其研究现状

3.1.1基本概念

3.1.2概念格的建造

3.1.3概念格的简化

3.1.4规则提取及相关系统

3.1.5应用

3.2增量式关联规则挖掘

3.2.1算法原理

3.2.2结论

第四章关联规则和分类规则的集成挖掘

4.1格的建造

4.2格上的规则提取

4.3结束语

第五章结束语

参考文献

致谢