基于量化扩展概念格模板优化组合的规则挖掘.pdfVIP

基于量化扩展概念格模板优化组合的规则挖掘+ 王德兴刘晓平 合肥工业大学计算机与信息学院合肥230009 摘要：模板广泛应用于工程设计，如何寻找最优的模板组合与设计模式匹配是工程设计的核心问 题．将知识发现中关联规则挖掘思想引入模板优化组合问题，采用量化扩展概念格的关联规则算法及 其优化方法寻找合理的、最优的模板组合，提高了工程设计的效率． 关冀词：模板工程设计关联规则数据挖掘 1引 言 模板技术在建筑、机械、服装设计和软件工程等领域内始终发挥着重要的作用，工程CAD与模板的结 合是基于工程设计领域特点产生的，工程设计中存在着大量的固定的设计组合模式，模板以其自身的特点 与这些设计模式相匹配，从而形成了具有一定规模的模板库，作为模板的存储。实际应用中大量模板的存 储、管理及在设计中的模板搜索匹配表现得不够灵活，特别是在工程设计量巨大时。这一问题尤为突出，因 此在模板库中搜索合理、优化的模板组合用以匹配工程设计就成为提高设计效率的关键问题。 思想，这种思想的一个典型应用是挖掘基于超市交易数据的关联规则”J，这种思想非常适用于工程设计领域 的模板应用。在工程设计中，设计模式是相对固定的，与其匹配的模板中固化了设计经验及设计规范信息， 因此多级、同级模板间都存在基于领域知识的关联性，在工程设计模扳库中找出最优关联的模板组合，可 在组件级模板、特征元级模板、多级模板间等多种级别的模板间实现，进而获得适应性良好的模板组合。 概念格作为数据挖掘的一种有效数学工具，得到研究人员的广泛熏视。概念格是通过概念的内涵和外 延及概念问泛化和例化的关系来表示知识，借助于量化扩展概念格的哈斯图，用户可方便地从量化扩展概 念格的哈斯图上，非常清晰地观察到某些模板组合、使用频率(支持度计数)以及模扳组合间的关系，挖 掘相应的关联规则．计算其支持度和可信度，同时从而提高了工程设计的效率和准确性，方便用户使用， 节省工作时间和工作量。 2基于量化概念格的关联规则挖掘算法 基于量化概念格的关联规则的挖掘思想和算法详见文献。捌 对量化概念格中的概念c=(A’B；{Bl’B2，．，取))，引入B的支持度Support(B)=lAI／IDI。 是基本频繁项目集，B的冗余内涵为冗余频繁项目集。显然，频繁概念中每组基本内涵都是基本频繁项目集。 由此可以获得冗余频繁项目集。 ’基金夤助：受国家自然科学基金和安徽省自然科学基金(050420207)资助． 作者简介：王德兴，博士研究生，研究方向为人工智能、KDD：刘晓平，男，山东济南人，教授，博导，研究方向为建模 仿真与协同计算。 694 计算机技术与应用进展·2006 对于概念格中的两个概念CI=(AlJBl)和C2=(A2，B2)，C2e =IAlVIA2I。容易证明如下定理： B是大于支持度阈值的频繁项目集，则它是外延基数为川的某个概念的一组等价内涵。 基于上述定理，对给定的概念格。可按如下的方式得到关联规则： ①如果概念CI=(NI，BI)，C2=(N2，B2)满足C2E 反之，Bt．B2jB2，其可信度是1(10％。 C3=(N3．B3)，使C3esup(C)AClE 可信度分别是N／NI，N／N2。从后面给出的实例可以看出，概念格的哈斯图可以很直观地描述有关规则。 3模板的分级设计 模板支持定制及复用功能，模板同样可以嵌套，一个新的模板可以是由其它已知模板按照一定的规则 组合而成的。就针对工程设计的模板库而言，我们将模板定义为三种级别：组件级模板，特征元级模板及 多级模板瓴”，其中，多级模板可由组件级模板及特征级模板构成，组件级模板可由特征级模板构成，而一 个完整的模板设计是由此三类模板通过各种组合而成，工程设计的复杂性决定了组合的复杂程度，合理的 模板定义、表示及关联规则挖掘的思想将对寻找最优组合模板的过程起到至关重要的作用。 基于组件级模板、特征元级模板的分析，我们发现把基于购物篮分析的关联规则挖掘思想，引入组件级 和特征元级的最优模板挖掘，其理论依据都借助于建筑、机械、服装设计等领域知识进行转化和抽象一般 问题，经数据预处理后，变成关联规则挖掘问题。