基于概念格的数据挖掘方法研究

分析了概念格与关联规则之间的关系,提出了将频繁项集及其支持度存储在概念格上,然后在创建好的概念格上提取关联规则的方法,概念格的每个节点本质上是一个最大项目集,非常有利于关联规则的提取。然而目前对于概念格的研究,一般都假定由属性集所组成的概念格的内涵同等重要,而在现实数据库中,组成内涵的属性重要性往往是不同的,因此,内涵并非同等重要。为了充分利用概念格实现关联规则提取,提出了一种新的概念格结构:加权概念格,并给出其渐进式构造算法及基于该格结构上的关联规则提取算法。     

基于概念格的数据挖掘方法研究

分析了概念格与关联规则之间的关系,提出了将频繁项集及其支持度存储在概念格上,然后在创建好的概念格上提取关联规则的方法,概念格的每个节点本质上是一个最大项目集,非常有利于关联规则的提取。为了充分利用概念格实现关联规则提取,提出了一种新的概念格结构:加权概念格,并给出其渐进式构造算法及基于该格结构上的关联规则提取算法。     

概念格理论发展分析

通过查找多个国内外数据库,对近年(2009至2015年)国内外概念格理论的发展现状进行统计分析.介绍了近年有关概念格的建格算法、提取规则和关联规则、属性约简的方法以及概念格与其他学科的结合理论,此外还介绍了概念格理论在实体档案馆、排产管理和车辆运输安全性中的应用.     

概念格在频繁模式挖掘中的应用研究

频繁模式挖掘是数据挖掘研究中的关键问题之一,在关联规则等领域应用广泛.概念格是数据分析和知识表示的一种有效工具,适用于从数据库中挖掘规则的问题描述.分析了概念格在频繁模式挖掘的应用,包括对普通事务项集、序列项集及格、树和图等复杂结构的挖掘;讨论了概念格构造优化的必要性及两类主要的优化方法属性约简和剪枝概念格;并对关联规则提取的方法的优劣进行了基本比较,最后探讨了概念格未来的研究方向.     

扩展概念格的动态创建及其上的关联规则发现

关联规则作为数据挖掘的核心任务现已经得到了广泛的研究。而由二元关系导出的概念格是一种非常有用的形式化工具,它体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念间的泛化与例。扩展概念格是对概念格晦一种改进。提出了一种动态构造扩展概念格的方法,并在扩展概念格上实现了简洁的关联规则算法。     

概念格及其应用进展

概念格是近年来获得飞速发展的数据分析的有力工具。从数据集中生成概念格的过程实质上是一种概念聚类过程。然而 ,概念格可以用于许多机器学习的任务 ,例如分类 ,关联规则的挖掘等。论文介绍了概念格的基本概念 ,讨论了现有的几种建格算法和在格上提取规则的方法及相关系统和应用。另外 ,还介绍了格的剪枝及概念格和另一个新型数据分析工具粗糙集之间的关系。     

模糊关联规则格的规则提取

针对模糊属性事务数据库提取模糊关联规则的问题,采用模糊概念格与模糊关联规则相结合的方法,实现格节点与属性项集的对应关系,提出模糊关联规则格理论,在渐进式建格算法基础上对格节点相应修改,给出了适用于动态数据库的模糊关联规则格的构建思想.利用模糊关联规则格挖掘关联规则,与采用Apriori算法计算频繁项目集获取规则相比较,容易获得用户感兴趣的关联规则,同时减少冗余规则的生成,使挖掘算法得到优化.     

基于量化概念格的关联规则挖掘

在概念格的内涵中引入等价关系并将其外延量化 ,得到量化概念格。利用量化概念格可以清晰地表示知识 ,从而便于挖掘包括关联规则在内的多种规则 ,与经典的 A priori算法相比较 ,规则表示更简捷、直观 ,尤其重要的是用户可根据自己的兴趣交互地挖掘关联规则 ,不需要计算频繁项目集 ,因而提高了挖掘规则的效率 ,适用于大型数据库中关联规则的挖掘     

基本概念格的关联规则挖掘算法

在已有的基于概念格的关联规则挖掘算法中,搜索频繁结点的范围太大,从而导致花费大量的时间来产生关联规则。针对这一不足,利用“索引链表”数据结构来辅助快速地找到所有的频繁结点,缩小了结点的搜索范围,降低了概念格中挖掘关联规则算法的复杂度。     

基本概念格的关联规则挖掘算法

在已有的基于概念格的关联规则挖掘算法中,搜索频繁结点的范围太大,从而导致花费大量的时间来产生关联规则.针对这一不足,利用"索引链表"数据结构来辅助快速地找到所有的频繁结点,缩小了结点的搜索范围,降低了概念格中挖掘关联规则算法的复杂度.     

分配幂格的判断条件

从格的提升引入一个幂格的概念，也获得了一些与格相似的性质。在此基础上进一步地讨论了幂格的性质，得到了分配格上的幂格也是分配格的一个判断条件。     

Fuzzy模格的定义及其性质

代数结构的Fuzzy化其基本目的是对Fuzzy集尽可能地利用经典代数的丰富工具处理有关问题;代数结构的Fuzzy化的关键是选择好对Fuzzy代数结构的定义.对Fuzzy格作了重新定义,进而对现有文献中尚未研究的模格的Fuzzy化做了一些有益的探索:给出了Fuzzy点形式的Fuzzy模格的定义,并得到一些基本的与经典代数类似的Fuzzy模格的性质.     

S-概念格

针对现实生活中，新的概念不断产生，旧的概念不断变化消亡，依据S-粗集理论与概念格理论，提出S-概念格理论，给出了S-概的两类形式：单向S-概念格，双向S-概念格，最后介绍了该理论的一个简单应用。     

扩展(拓扑)剩余格与Rough集

以扩展剩余格的广义Rough 集为背景,引入拓扑扩展剩余格的概念,研究了它的滤子理论和扩展剩余格中的N-滤子和优拓扑剩余格的v-滤子,并由这些滤子构建了相应的商代数结构。     

一种新颖的概念格构造算法

高效的概念格生成算法对于形式概念分析的应用研究是一个主要问题,文章从基于属性的基本概念出发,首先给出并证明了任意概念可表示为基本概念的定理,并提出了一种基于属性基本概念的渐进式概念格生成算法,实例表明该算法是可行和有效的。     

毕达哥拉斯模糊三支概念格

将毕达哥拉斯模糊集理论引入模糊三支概念格中, 在毕达哥拉斯模糊形式背景下研究毕达哥拉斯模糊三支概念格的构造。首先, 结合毕达哥拉斯模糊集理论将对象与属性的关系同时用隶属度和非隶属度表示, 给出毕达哥拉斯模糊形式背景的定义;其次, 基于给定的阈值α和β以及三支决策思想, 将对象集(属性集)划分为正域、负域, 边界域3个部分;在此基础上, 给出2种毕达哥拉斯模糊三支概念(对象导出毕达哥拉斯模糊三支概念与属性导出毕达哥拉斯模糊三支概念)的定义和相关定理, 构建相应的概念格;最后, 结合实例阐释毕达哥拉斯模糊三支概念格在实际问题中的应用。     

格上三角模及其构造方法

首先引进格上三角模的概念，给出7个格上三角模的具体模型。研究了格上三角模的基本性质，并给出了构造格上三角模的一般方法。     

基于分布式概念格的分类规则挖掘

以概念格为分类模型,引入知识合并思想,并针对大规模数据的分类求解以及过拟合问题引入剪枝策略,从而得到分类剪枝概念格模型,在此基础上提出了基于分布式概念格模型的强分类规则提取算法;通过理论证明了算法的正确性,并通过实验证明了算法的可行性。     

基于概念格的入侵检测

将概念格应用于入侵检测系统中 ,构造了一个基于规则分类判决的入侵检测模型 ;提出了决策规则格和决策规则格约简的概念 ,获得了入侵检测的分类规则集 .实验表明此方法能较好地缩减分类规则集中的规则数目 ,且有较高的分类正确率