基于概念格的分类规则提取算法研究

摘要

概念格是一种有效的数据挖掘与知识发现工具，分类是数据挖掘中的重要研究内容之一。本文针对分类任务，从提高概念格的构造效率以及分类规则的分类效率角度出发，研究了面向分类的概念格批处理构造算法以及基于概念格和信息熵的分类规则提取算法，其主要研究成果如下： ㈠提出了面向分类的概念格批处理构造算法。该算法针对分类任务，在格的批处理构造过程中，仅生成含有分类属性的概念格结点，从而减少了建格过程中概念内涵的比较次数，有效地提高了概念格的构造效率。采用UCI数据作为形式背景，实验验证了该算法的正确性和有效性。 ㈡提出了基于概念格和信息熵的分类规则提取算法。该算法首先通过引入外延支持度系数，来刻画概念格结点内涵的重要程度；其次扫描概念格结点，并依据外延支持度系数，提取出分类规则；然后计算分类规则的条件信息熵，并按照条件熵值对分类规则进行排序；最后采用UCI数据作为形式背景，实验验证了该算法所提取出的分类规则，在保证分类正确率的同时，有效地提高了分类规则的分类效率。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 数据挖掘

1.1.1 数据挖掘的产生及定义

1.1.2 数据挖掘的系统结构

1.1.3 数据挖掘的方法

1.1.4 数据挖掘的应用

1.2 概念格及其应用

1.2.1 概念格的产生

1.2.2 概念格的研究内容

1.2.3 概念格的应用

1.3 分类模型

1.3.1 贝叶斯分类

1.3.2 判定树分类

1.3.3 神经网络

1.3.4 基于概念格的分类

1.4 本文的内容和组织

1.4.1 论文的主要研究内容

1.4.2 论文的组织和安排

第二章 概念格、信息熵与分类规则

2.1 概念格及其构造方法

2.1.1 基本概念

2.1.2 批处理算法

2.2 信息熵

2.3 分类规则

2.4 小结

第三章 面向分类的概念格批处理构造

3.1 引言

3.2 概念格快速批处理构造

3.2.1 理论基础

3.2.2 算法思想

3.3 概念格快速批处理构造算法

3.3.1 算法描述

3.3.2 算法分析

3.3.3 实例分析

3.4 实验分析

3.5 小结

第四章 基于信息熵和概念格的分类规则提取

4.1 引言

4.2 基于信息熵和概念格的分类规则提取

4.2.1 理论基础

4.2.2 算法思想

4.3 基于信息熵和概念格的分类规则提取算法

4.3.1 算法描述

4.3.2 算法分析

4.4 实验分析

4.5 小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读学位期间发表的学术论文目录

致谢