基于概念格模型關(guān)聯(lián)規(guī)則挖掘的關(guān)鍵問(wèn)題研究.pdf

1、關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要分支,在研究及應(yīng)用方面已取得了很大的進(jìn)展.然而,由于現(xiàn)實(shí)世界數(shù)據(jù)的海量、異構(gòu)和數(shù)據(jù)類(lèi)型的多樣性、結(jié)構(gòu)的復(fù)雜性等特點(diǎn),對(duì)關(guān)聯(lián)規(guī)則挖掘的研究提出了新的課題.本文將具有完備特性的概念格模型引入到關(guān)聯(lián)規(guī)則挖掘的研究,針對(duì)關(guān)聯(lián)規(guī)則挖掘的模型、方法以及數(shù)據(jù)歸約等方面開(kāi)展了研究,主要內(nèi)容及創(chuàng)新工作如下: 1.在研究概念格模型和頻繁項(xiàng)目集關(guān)系的基礎(chǔ)上,提出了基于概念格模型的項(xiàng)目集表示和求解方法.研究表明,每個(gè)

2、項(xiàng)目集一定作為概念格中某個(gè)概念的內(nèi)涵或內(nèi)涵的子集出現(xiàn),借助于概念之間的關(guān)系可從每個(gè)概念導(dǎo)出多個(gè)項(xiàng)目集.因此,概念格中概念的數(shù)量比事務(wù)數(shù)據(jù)庫(kù)中項(xiàng)目集的實(shí)際數(shù)量有顯著的減少,在不丟失有效信息的前提下,較利于實(shí)現(xiàn)更大規(guī)模的數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn);通過(guò)刪除概念格中非頻繁項(xiàng)目集對(duì)應(yīng)的概念而得到的剪枝概念格能有效地壓縮數(shù)據(jù)庫(kù)規(guī)模,進(jìn)而為在大規(guī)模數(shù)據(jù)庫(kù)中進(jìn)行關(guān)聯(lián)規(guī)則挖掘提供了有利的條件. 2.研究了基于剪枝概念格的關(guān)聯(lián)規(guī)則挖掘求解.提出順序剪枝和同

3、步剪枝概念格的構(gòu)造算法.順序剪枝概念格構(gòu)造算法以插入記錄方式的Godin概念格構(gòu)造算法為基礎(chǔ),通過(guò)一遍掃描數(shù)據(jù)庫(kù)來(lái)構(gòu)造概念格,在構(gòu)建完畢后,依據(jù)Apriori性質(zhì)實(shí)現(xiàn)剪枝,得到剪枝概念格;同步剪枝概念格構(gòu)造算法以插入屬性方式動(dòng)態(tài)地構(gòu)造概念格,在插入屬性構(gòu)造概念格的過(guò)程中,依據(jù)Apriori性質(zhì)實(shí)現(xiàn)剪枝,得到剪枝概念格.兩種構(gòu)造算法各有特點(diǎn)和適用性.基于剪枝概念格挖掘關(guān)聯(lián)規(guī)則,減少相應(yīng)的搜索空問(wèn),提高關(guān)聯(lián)規(guī)則挖掘的效率. 3.研究

4、了多層、多屬性的歸納.實(shí)際數(shù)據(jù)庫(kù)中的屬性值之間的層次差異較大,需要進(jìn)行必要的數(shù)據(jù)歸約.經(jīng)典的屬性歸納方法存在主觀因素制約的問(wèn)題,可能會(huì)影響到有價(jià)值模式的發(fā)現(xiàn).為此,將概念格模型引入多層、多屬性的歸納,提出了基于概念格的屬性歸納,采用概念的爬升進(jìn)行相應(yīng)的泛化,并進(jìn)行多層、多屬性的歸納.與面向?qū)傩詺w納AOI算法相比較,基于概念格的屬性歸納不僅可實(shí)現(xiàn)AOI的單一屬性歸納,也能進(jìn)行多層、多屬性的歸納,屬性歸納的路徑不惟一,并易于尋找合適的泛化路