基于概念格及其扩展模型的数据挖掘研究

摘要

该文主要关注基于概念格及其扩展模型的数据挖掘研究,其中内容涉及形式概念分析两个主要方面：概念格的构造和概念格的应用.在概念格的构造方面,该文总结已有的构造算法,提出一种基于最佳不完全覆盖的概念格构造算法,算法至上而下,以图的广度优先搜索方式生成概念节点和概念的图表结构.此外,该文还提出并实现了一种相对约简格的构造算法.在概念格的应用方面,将概念格模型应用于数据挖掘中.从概念外延的角度,提出最小可信度格和最小支持度格的构造方法,并示例说明最小支持度格在概念聚类和蕴含规则挖掘上的应用.从概念内涵的角度,度量概念节点之间的距离,以此为依据提出并实现一种基于最小支持度格的概念聚类算法.同时该文着重研究了利用量化的相对约简格来发现分类规则的问题,所提算法的生成结果剔除了冗余的分类规则,算法在时间性能、空间性能等方面较前人的算法有较大的改进.另外,该文在相关章节对形式概念分析和聚类分析进行比较以及分析总结了基于概念格的分类和决策树分类法的异同.

目录

文摘

英文文摘

致谢

图表目录

附录目录

第一章序言

1.1知识发现和数据挖掘

1.1.1知识发现的产生原因和发展前景

1.1.2知识发现与相关技术的异同

1.1.3数据挖掘—知识发现的核心

1.1.4 KDD的新发展—WEB挖掘

1.2形式概念分析概述

1.2.1形式概念分析的起源

1.2.2形式概念分析主要内容

1.2.3国内外研究现状

1.3课题来源和内容组织

1.3.1本文的课题来源

1.3.2本文的内容组织

第二章概念格理论基础及其在KDD中应用

2.1概念格模型的形式化描述

2.2概念格模型的应用成果

2.3基于概念格模型的KDD系统框架

2.4小结

第三章概念格的建造算法研究

3.1概念格构造算法概述

3.1.1构造方法的不同

3.1.2算法生成结果的不同

3.1.3概念节点生成方法的讨论

3.2基于最佳不完全覆盖快速生成概念格

3.2.1基本原理和定义

3.2.2生成概念节点的直接子概念

3.2.3生成概念格图表结构

3.2.4实验评估

3.3相对约简格的构造方法研究

3.3.1量化的相对约简格

3.3.2基于属性插入的构造算法

3.3.3算法分析与示例

3.4小结

第四章基于概念格框架的聚类分析研究

4.1引言

4.2概念聚类方法

4.2.1概念分层结构

4.2.2概念聚类方法

4.3最小支持度格和最小可信度格的构造

4.3.1概念支持度和概念可信度

4.3.2最小可信度格的构造算法

4.3.3最小支持度格的构造算法

4.3.4最小支持度格应用示例

4.4基于最小支持度格的概念聚类

4.4.1基于概念内涵的距离度量

4.4.2概念格框架下的聚类算法

4.4.3算法示例和算法实现

4.5形式概念分析和聚类分析的比较

4.6小结

第五章基于量化的相对约简格的分类规则发现

5.1引言

5.2相关概念与技术

5.3量化的相对约简格的分类规则发现

5.4算法示例和算法实现

5.5基于概念格的分类和决策树分类的比较

5.6小结

第六章结束语

参考文献

附录