基于形式概念集的分類規(guī)則挖掘算法研究.pdf

1、目前，利用形式概念分析來進行數據挖掘的研究得到了相關學者的廣泛關注。他們提出了相應的概念格構造算法，并利用形式概念分析進行其它方面的研究。在利用形式概念分析進行分類規(guī)則挖掘的時候，大多數方法都是先生成形式背景對應的完備概念格，這些完備概念格的構造方法大都基于經典的概念格構造算法，如增量式算法、批處理算法等。當完備概念格構造完之后，再從這種偏序的結構中將那些適于作為分類規(guī)則的格節(jié)點提取出來，進而得到整個形式背景的分類規(guī)則。
　　

2、但是，由于構造完備概念格的復雜性及構造過程中產生的大量冗余，這種方法往往具有較高的時間和空間復雜度，因而影響了效率。針對這些問題，本文提出了一種Fccrm算法，它采用類標號分割的方法來降低形式背景的規(guī)模，通過對每一類標號的形式背景按照屬性劃分，生成單屬性形式概念，并由這些形式概念的最大概念以及它們的下覆蓋來獲取全部的格節(jié)點，獲得分類規(guī)則。該算法避免了構造完各概念格時格之間的復雜關系，只生成全部的概念節(jié)點，并且在生成所有形式概念的同時進行

3、預剪枝，縮小了生成概念集的規(guī)模。
　　 在分類器的構造上，本文將分類規(guī)則賦予權值，然后在分類器中采用投票的方式對未分類數據進行分類，并根據規(guī)則加入對訓練數據的判斷結果的反饋機制。這種方法強化了那些具有強分類能力的規(guī)則，提高了分類的正確率。本文還對分布式數據挖掘在概念集成時采用的方法進行了研究，并給出了一個模型。
　　 最后，實現(xiàn)了本文中提出的算法，并通過實驗進行驗證。實驗結果表明：該算法在性能上有了很大改進，通過形式概念