概念格的动态构造及其在关联规则发现中的应用

论文摘要

概念格是根据二元关系建立的一种概念层次结构,它在本质上描述了对象与属性之间的联系,体现了概念内涵和外延的统一,是数据分析与规则提取的一种有效的理论工具.关联规则用来发现数据库中不同“属性-值”即项目之间的联系,是数据挖掘的重要研究内容之一.本文在深入分析当前一般构造概念格算法和关联规则挖掘算法的基础上,提出了一种动态构造概念格的算法,然后对概念格在关联规则挖掘中的应用进行了分析与研究.在概念格动态构造算法方面,当数据库变化需要新插入一个结点时,为了寻找新增结点的父结点,传统的算法需要和所有的结点进行比较,不利于概念格的动态修改.本文作了改进.若某个结点只要有一个子结点是新生成结点的广义父结点,则该结点就不可能是新增结点的直接父结点,这样可以将搜索过程转换到其它结点,而不需要扫描其所有子结点,从而大大减少了被搜索的结点数目,有效地适应了数据库的动态变化.通过具体的示例分析了算法的性能,并用实验验证了算法的正确性和稳定性.在利用概念格挖掘关联规则方面,本文首先将基于量化概念格的关联规则挖掘算法与Apriori算法进行比较与分析,说明了前者在时间和空间性能上的优势.然后,针对目前关联规则挖掘过程中很少考虑不同属性的重要性差异,忽视了用户对某些属性的关心程度的问题,提出了一种基于加权量化概念格的关联规则挖掘算法,通过具体实例和分析,验证了算法的正确性和有效性.

论文目录

• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 问题的提出
• 1.2 研究问题的背景
• 1.2.1 概念格的研究背景
• 1.2.2 关联规则的研究背景
• 1.3 本文研究的工作与意义
• 1.4 本文的组织结构
• 2 关联规则研究概述
• 2.1 数据挖掘技术概述
• 2.1.1 数据挖掘的产生背景
• 2.1.2 数据挖掘的定义
• 2.1.3 数据挖掘的功能
• 2.1.4 数据挖掘的常用技术
• 2.2 关联规则基本知识
• 2.2.1 相关概念
• 2.2.2 关联规则的挖掘类型
• 2.3 关联规则的发现算法
• 2.3.1 关联规则发现的过程
• 2.3.2 提取频繁项目集的算法
• 2.3.3 经典的关联规则发现算法
• 2.4 小结
• 3 概念格的基本理论
• 3.1 概念格的概述
• 3.1.1 形式概念分析概述
• 3.1.2 概念格的定义
• 3.2 概念格的几种类型
• 3.2.1 扩展概念格
• 3.2.2 量化概念格
• 3.3 概念格的应用
• 3.4 小结
• 4 概念格的构造算法
• 4.1 批处理算法
• 4.2 增量算法
• 4.3 领域知识的添加算法
• 4.4 概念格的动态构造算法
• 4.4.1 算法的提出
• 4.4.2 算法的描述
• 4.4.3 示例与分析
• 4.4.4 实验
• 4.5 小结
• 5 概念格在关联规则挖掘中的应用
• 5.1 概念格与关联规则挖掘的关系
• 5.2 用概念格挖掘关联规则的思想
• 5.3 基于量化概念格的关联规则挖掘
• 5.3.1 量化概念格的关联规则挖掘
• 5.3.2 基于量化概念格的关联规则挖掘与Apriori 算法的比较
• 5.4 基于加权量化概念格的关联规则挖掘
• 5.4.1 加权量化概念格的引入
• 5.4.2 基于加权量化概念格的关联规则挖掘算法的描述
• 5.4.3 基于加权量化概念格的关联规则挖掘算法的示例
• 5.4.4 基于加权量化概念格的关联规则挖掘算法的分析
• 5.4.5 实验
• 5.5 小结
• 6 结论
• 参考文献
• 学位论文数据集