一种新颖的基于量化概念格的属性归纳算法
【摘要】：为了解决数据挖掘过程中挖掘的知识粒度过粗或过细问题,并利用概念格的偏序特性,提出了一种基于量化概念格的属性归纳算法.首先对概念格的外延进行量化,得到量化概念格,再根据概念格的哈斯图,采用概念的爬升进行相应的泛化,从而获得基于量化概念格的多层、多属性归纳.与面向属性归纳(AOI)算法相比较,结果表明所提算法不仅能实现AOI的单一属性归纳,还能进行多层、多属性的归纳,其属性泛化的路径不是惟一的,并且很容易在量化概念格的哈斯图中寻找合适的泛化路径和阈值,以此得到用户要求的、合理的属性归纳结果.
|
|
|
|
| 1 |
李云,刘宗田,陈崚,徐晓华,程伟;多概念格的横向合并算法[J];电子学报;2004年11期 |
| 2 |
梁协雄,雷汝焕,曹长修;现代数据挖掘技术研究进展[J];重庆大学学报(自然科学版);2004年03期 |
| 3 |
王德兴;胡学钢;刘晓平;王浩;;改进购物篮分析的关联规则挖掘算法[J];重庆大学学报(自然科学版);2006年04期 |
| 4 |
仇国芳,陈劲;概念知识系统与概念信息粒格[J];工程数学学报;2005年06期 |
| 5 |
王春花,黄厚宽,李红莲;一种快速有效的分布式开采多层关联规则的算法[J];计算机研究与发展;2001年04期 |
| 6 |
颜跃进,李舟军,陈火旺;一种挖掘最大频繁项集的深度优先算法[J];计算机研究与发展;2005年03期 |
| 7 |
宋余庆,朱玉全,孙志挥,杨鹤标;一种基于频繁模式树的约束最大频繁项目集挖掘及其更新算法[J];计算机研究与发展;2005年05期 |
| 8 |
郭秀娟;数据挖掘方法综述[J];吉林建筑工程学院学报;2004年01期 |
| 9 |
杨红菊,梁吉业;一种挖掘频繁项集和频繁闭包项集的算法[J];计算机工程与应用;2004年13期 |
| 10 |
高俊;施伯乐;;快速关联规则挖掘算法研究[J];计算机科学;2005年03期 |
|
|
|
|
|
| 1 |
许鹏文,邹红霞;数据库中知识发现的方法与应用[J];装备指挥技术学院学报;1997年02期 |
| 2 |
刘同明;一种改进的概念聚类数据挖掘方法[J];华东船舶工业学院学报;1999年01期 |
| 3 |
陶一兵,陈天洲,陈弋宁;以面向属性归纳的算法实现知识发现的可行性研究[J];计算机工程与设计;1999年04期 |
| 4 |
吕安民,李成名,林宗坚,王家耀;基于统计归纳学习的GIS属性数据挖掘[J];测绘学院学报;2001年04期 |
| 5 |
邵红全,赵茜;基于统计分析技术的属性数据挖掘[J];河北省科学院学报;2002年01期 |
| 6 |
吕安民;李成名;林宗坚;;基于空间统计分析的关联规则应用研究[J];计算机科学;2002年04期 |
| 7 |
吕安民;李成名;林宗坚;;基于相关数学模型的关联规则应用研究[J];计算机科学;2002年05期 |
| 8 |
庞淑英,鲁明羽,陆玉昌;利用判定树归纳与面向属性归纳的组合方法对建筑业中施工企业的特征提取[J];计算机工程与应用;2003年16期 |
| 9 |
熊家军
,李庆华
,陈新;用面向属性归纳方法研究入侵检测警报[J];微型机与应用;2004年07期 |
| 10 |
陈涛,王丽珍;基于时序数据的空间面向属性归纳算法[J];云南大学学报(自然科学版);2004年05期 |
|
