基于约束概念格的离群数据挖掘方法及应用

论文摘要

概念格是数据分析和知识提取的一种有效形式化工具,具有精确性和完备性等特点。约束概念格是利用用户对数据集的兴趣、了解、认识等作背景知识,指导概念格的构造,从而使概念格的结构更具有针对性和实用性。本文针对约束概念格的代数系统、基于约束概念格的离群数据挖掘进行了研究。主要研究工作如下:第一、约束概念格的代数系统。利用约束概念格节点之间的上、下确界运算,构造出了约束概念格的代数系统,并给出其代数性质,证明了约束概念格知识表示的完备性,从而为基于约束概念格的数据挖掘与知识发现奠定了理论基础。第二、提出了基于约束概念格的离群数据挖掘算法。首先,将约束概念格中每个概念节点的内涵缩减看作子空间,并计算其稀疏度系数,若某个K维内涵缩减的稀疏度系数小于稀疏度系数阈值,则考察其所有K-1维真子集,判断由这些真子集构成的子空间是否稠密;其次,根据稀疏度系数和稠密度系数,判断概念节点的外延所包含的对象是否为离群数据;最后,采用天体光谱数据作为形式背景,实验结果表明,该算法挖掘低维子空间中的偏离数据是准确的、完备的和有效的。第三、在上述研究的基础上,以VC++ 6.0和Oracle 9i为开发工具,设计并实现了天体光谱数据离群挖掘原型系统,并对软件模块功能、体系结构及关键技术进行了详细描述。运行结果表明,该系统是可行的、有价值的,从而为实现天体光谱数据离群数据挖掘提供了一种新途径。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 数据挖掘的基本概念
• 1.1.1 数据挖掘产生的背景
• 1.1.2 数据挖掘的定义
• 1.1.3 数据挖掘的应用
• 1.2 数据挖掘的任务
• 1.2.1 关联规则（Association Rule）
• 1.2.2 分类（Classification）
• 1.2.3 聚类（Clustering）
• 1.2.4 离群数据挖掘（Outliers）
• 1.3 概念格研究现状
• 1.4 本文主要的研究内容及论文的组织安排
• 1.4.1 针对的问题
• 1.4.2 论文组织结构
• 第二章 一般概念格与约束概念格及其构造
• 2.1 一般概念格
• 2.2 一般概念格的构造算法
• 2.2.1 批处理算法
• 2.2.2 渐进式构造算法
• 2.3 约束概念格及相关定理
• 2.4 约束概念格渐进式构造算法
• 2.5 小节
• 第三章 约束概念格及其代数系统
• 3.1 引言
• 3.2 约束概念格的代数结构
• 3.3 约束概念格的代数性质
• 3.4 约束概念格知识表示的完备性
• 3.5 小结
• 第四章 基于约束概念格的离群数据挖掘
• 4.1 引言
• 4.2 稀疏度系数与离群数据
• 4.3 基于约束概念格的离群数据挖掘
• 4.4 基于约束概念格的离群挖掘算法RCLOF
• 4.5 实例
• 4.6 实验分析
• 4.7 相关工作分析和比较
• 4.8 小结
• 第五章 天体光谱离群数据挖掘系统
• 5.1 引言
• 5.2 软件功能与体系结构
• 5.2.1 软件功能
• 5.2.2 系统体系结构
• 5.3 基于链表结构的概念格渐进式构造
• 5.3.1 基于链表结构的概念格格构造算法基本思想
• 5.3.2 基于链表结构的概念格渐进式构造算法 LSCCL
• 5.3.3 实验结果分析
• 5.4 关键技术
• 5.5 运行结果及分析
• 5.6 小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 研究生期间发表的论文和参加的科研项目