基于區(qū)別度概念格的關(guān)聯(lián)規(guī)則挖掘算法設(shè)計(jì).pdf

1、關(guān)聯(lián)規(guī)則是最常見(jiàn)的知識(shí)表示方法之一，頻繁項(xiàng)集挖掘是關(guān)聯(lián)規(guī)則挖掘中的重要課題，它已經(jīng)被廣泛的應(yīng)用于各個(gè)領(lǐng)域。概念格是一個(gè)非常有用的形式分析工具，通過(guò)Hasse圖它可以生動(dòng)、簡(jiǎn)潔的表現(xiàn)這些概念之間的泛化和特化關(guān)系。另外，概念格中的每個(gè)節(jié)點(diǎn)本質(zhì)上是一個(gè)頻繁項(xiàng)目集，并且頻繁項(xiàng)集和概念格的內(nèi)涵之間有一種一一對(duì)應(yīng)的關(guān)系。因此，利用概念格來(lái)挖掘頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則顯得水到渠成?；诟拍罡竦念l繁項(xiàng)集與關(guān)聯(lián)規(guī)則的挖掘，很多學(xué)者對(duì)此已經(jīng)進(jìn)行了深入的研究并取得

2、了很大的進(jìn)步，但大部分都是假定由屬性組成概念格中內(nèi)涵的重要性均勻平等、同等重要，而基于這種思想的概念格提取關(guān)聯(lián)規(guī)則存在著明顯的不足：(1)這將導(dǎo)致組合爆炸和冗余問(wèn)題；(2)由于建格時(shí)沒(méi)有考慮到屬性重要性的差別，形成包含所有屬性的概念格的結(jié)點(diǎn)，因此建格時(shí)間長(zhǎng)、效率低。
　　 針對(duì)以上不足，本文首先提出一個(gè)新的概念——內(nèi)涵區(qū)別度，基于內(nèi)涵區(qū)別度來(lái)建造概念格將有力的減少格中的頻繁項(xiàng)集的數(shù)量，主要原因是區(qū)別度低的內(nèi)涵將不參與格的構(gòu)造，這

3、在一定的程度上緩和了組合爆炸的問(wèn)題，使關(guān)聯(lián)規(guī)則提取的難度系數(shù)也有所降低。其次本文給出了基于內(nèi)涵區(qū)別度的格的構(gòu)造算法，不再是建造概念格的每一個(gè)節(jié)點(diǎn)都掃描數(shù)據(jù)庫(kù)，而是有條件的掃描數(shù)據(jù)庫(kù)并計(jì)算和重置區(qū)別度的值，這就減少了數(shù)據(jù)庫(kù)掃描的次數(shù)，從而減少了生成概念格的時(shí)間，提高效率。另外，改進(jìn)了基于概念格的關(guān)聯(lián)規(guī)則提取的算法，將置信度剪枝的概念引入基于概念格的關(guān)聯(lián)規(guī)則提取中，減少了關(guān)聯(lián)規(guī)則提取時(shí)置信度計(jì)算的時(shí)間，從而有效的提高了關(guān)聯(lián)規(guī)則提取的效率，最

4、后將本文提出的改進(jìn)算法應(yīng)用了基于區(qū)別度概念格的關(guān)聯(lián)規(guī)則提取中，并給出了相應(yīng)的提取算法?；诟拍罡竦年P(guān)聯(lián)規(guī)則的挖掘關(guān)鍵在于概念格的構(gòu)造，首先將頻繁項(xiàng)集和內(nèi)涵區(qū)別度存儲(chǔ)在格上，然后在創(chuàng)建好的概念格上根據(jù)規(guī)則生成關(guān)聯(lián)規(guī)則。
　　 本文的主要貢獻(xiàn)如下：
　　 1)提出內(nèi)涵區(qū)別度的概念，基于內(nèi)涵區(qū)別度建造概念格將有力的減少頻繁項(xiàng)集的數(shù)目，緩和組合爆炸的問(wèn)題；
　　 2)給出了基于區(qū)別度概念格的頻繁項(xiàng)目集提取算法，在構(gòu)造概念