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.     

基于面向对象(属性)概念格的三支规则提取

三支形式概念分析作为形式概念分析的推广,从正信息和负信息角度对概念进行了更精细和更完整的描述.针对决策形式背景,从三支决策思想的视角研究对象导出三支面向对象概念格(OEO-概念格,Object-induced three-way object-oriented)和属性导出三支面向属性概念格(AEP-概念格,Attribute-induced three-way property-oriented)的规则提取问题.首先,借助三支算子给出OEO-协调以及对象导出面向对象三支决策规则的概念,在此基础上研究其规则与面向对象概念格的决策规则之间的关系,研究结果显示当决策形式背景在OEO-协调和面向对象协调的前提下,两者之间存在包含关系.其次,对偶地,提出AEP-协调和属性导出面向属性三支决策规则的定义,并讨论其与面向属性概念格的决策规则之间的关系,进一步地刻画其与属性导出三支决策规则之间的联系.最后,结合实例详细解释所提出的理论.     

三支弱协调决策形式背景的规则获取

规则获取是三支概念分析中的一个重要问题。本文首先基于属性导出三支概念格间的细于关系,定义了三支弱协调的决策形式背景,并给出了基于属性导出三支概念格三支弱协调决策形式背景的规则获取方法。然后,研究了三支规则与二支规则之间的关系。最后,定义了属性导出三支概念的弱闭标记,并利用弱闭标记给出了三支弱协调决策形式背景的规则获取方法,剔除了冗余规则从而简化规则。     

基于三支概念格线图的混合蕴含获取

考虑到三支概念分析中三支算子可以表达对象集和属性集之间"共同具有"和"共同不具有"这两种语义,基于该理论对混合蕴含规则进行研究.首先定义三支概念分析下的混合蕴含规则,并利用三支算子的性质给出混合蕴含规则成立的充分必要条件;然后根据三支概念的构建算法以及三支概念之间的偏序关系给出三支概念格线图的构建方法;最后,基于三支概念格线图提出混合蕴含规则的获取方法.     

基于概念格和Apriori的关联规则挖掘算法分析

概念格通过概念的内涵和外延及泛化和例化之间的关系来表示知识,因而适用于从数据库中挖掘规则的问题描述;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;利用量化概念格挖掘关联规则,与采用Apriori算法计算频繁项目集获取关联规则相比较,不需要计算频繁项目集,容易获得用户感兴趣的关联规则,同时减少了大量冗余的规则,提高了挖掘效率。     

净化属性对偶背景下完全格的形式概念分析（英文）

形式概念分析是数据分析和知识获取的有效工具,而三支概念格是概念格的扩展。在形式概念分析中,完全格与概念格有同构关系,但并不是每一个完全格都会同构于三支概念格。文章对净化属性对偶背景下的原子、不可约元素、补集和概念格的V-化简律等进行了研究,讨论了完全格、负概念格和三支概念格之间的同构问题。在给定的条件约束下,实现了完全格到概念格、负概念格和三支概念格之间的特征变换。     

一种决策形式背景中挖掘决策规则的新方法

针对大规模决策形式背景中决策规则的提取问题,提出了一种将频繁闭项集与决策形式背景相结合以提取无冗余决策规则的新算法.该算法结合了深度优先搜索的思想以及概念格中概念节点之间的父子关系,改进了概念格中频繁闭项集的挖掘算法,得到的频繁决策概念格实现了对一定规模的数据库的压缩,同时得到无冗余决策规则.算法分析表明,该算法复杂度较低,更适用于大规模数据集中挖掘无冗余决策规则.     

基于OE-近似概念格的不完备决策背景的规则提取

首先,通过对象诱导的三支条件近似概念格和三支决策近似概念格的细于关系,定义了不完备决策背景的OE-协调性;然后,在OE-协调的不完备决策背景上提出了对象诱导三支规则的提取方法, 分别从正面和负面的角度对规则进行获取和解释, 给出了冗余规则的判定定理及非冗余规则集的提取算法;最后,利用包含度理论,提出了带有置信度的三支规则提取方法, 提供了更为丰富的细节, 使得获取的规则更加完善。     

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web log分布式挖掘算法

提出一种有效的基于概念格的分布式挖掘算法,重点讨论由部分量化规则格提取的部分关联规则的合并技术,由于能对已存在关联规则的再利用,从而更有利于用概念格来挖掘关联规则.该算法根据对局部关联规则挖掘结果的分布式合成,有利于减轻网络频繁的通讯负担,体现并行计算、异步异构数据挖掘的优点.     

关联规则挖掘的一种多剪枝概念格方法

多数据源上关联规则挖掘方法,由于各数据节点间相互通信的候选项集数目过于庞大或者挖掘过程需要对数据库进行多次扫描,导致挖掘算法效率不高。研究剪枝概念格(pruned con-cept laffice,PCL)中概念与频繁项集表示关系,定义剪枝格上的导出频繁项集,设计了一个利用多剪枝概念格从多数据源上挖掘近似所有关联规则的算法UMPCL(union algorithm of multiplepruned concept lattice)。利用一个频繁概念表示一些频繁项集以减少挖掘过程中产生的侯选项集数,使用与全局支持度相等的局部支持度对各子概念格进行剪枝,最后融合、剪枝各子剪枝格并提取全局关联规则。理论分析和实验验证表明该算法是有效的。     

正负关联规则挖掘算法在电子商务网站中的应用

摘要 为了增加电子商务网站的销售额,分析了商品推荐在电子商务系统中的作用,研究了数据挖掘中的正负关联规则挖掘技术的特点,提出了一种新的正负关联规则挖掘算法。新算法通过使用旋转数据库和位运算减少了扫描原始数据库的次数,加快了挖掘速度。另外,新算法在挖掘正规则的同时,利用负规则裁减掉无效规则,得到的结果更符合用户的购物行为。通过测试得出新算法比传统的Apriori算法执行时间更短,商品推荐更精确。     

基于概率统计的正负关联规则挖掘算法

正关联规则与负关联规则有着同样重要的作用,而传统的关联规则算法只能挖掘正关联规则.本文对关联规则的相关度进行判断,并在此基础上提出了一个能同时挖掘正负关联规则的算法,实验证明改进算法是有效的.     

基于属性导出三支概念格的决策背景规则提取

给出了决策形式背景在属性导出三支概念格下的规则提取方法。首先定义了属性导出的三支概念格间的细于关系,以此为基础给出了决策形式背景三支协调的定义以及在三支协调下提取规则的方法,并研究了所获规则与经典决策背景下所获规则的关系。最后结合实例阐明了三支规则的有效性与优越性。     

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.     

FCA中的互补概念及其性质与生成

在形式概念分析中,概念格上的偏序关系刻画了概念间的泛化和特化关系,而概念格中不可比概念之间也存在着值得研究的特定语义信息。受此启发,提出互补概念这一定义并给出其形式化描述。首先,通过给定两个对象子集关于某个特定属性子集互补程度的描述,根据不同实际需求分别定义强、弱互补关系。在此基础上,研究互补概念及相关性质,并在不同语义背景下探究最优强互补概念和最优弱互补概念,给出相应生成算法。最后,通过实例说明所研究内容的合理性与可适用性。     

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。     

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.     

基于0-1矩阵的时空关联规则提取方法研究

基于Apriori算法提出了基于0-1矩阵的时空关联规则挖掘算法,并以挖掘不同年代的土地覆盖现状之间的时空关联关系作为试验案例,对比Apriori算法的提取结果和提取效率,研究结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了时空关联规则的提取效率.     

基于序列模式的正负关联规则研究

序列模式可预测企业的发展方向，负关联规则可展现不良因素的根源，序列模式的正负关联规则为企业决策提供更全面的信息. 将序列模式和负关联规则的挖掘算法相结合，利用项集间的相关性，挖掘出序列模式的正负关联规则.