基于扩展粗糙集模型的近似概念格规则挖掘研究

摘要

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域。在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格(ACL)的构建,由此提出概念格粗糙近似和规则挖掘算法(LCRA)。最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性。