基于概念层次树的数据挖掘算法及应用研究 - 计算机应用研究.pdf

第 3 期 肖 娟等: 基于概念层次树的数据挖掘算法及应用研究 ·61 · 基于概念层次树的数据挖掘算法及应用研究 * 1 2 肖 娟 , 叶 枫 ( 1. 浙江工业大学 之江学院 经贸管理系 , 浙江 杭州 310024; 2. 浙江工业大学 经贸管理学院 , 浙江 杭州 310014) 摘 要: 概念层次树在大规模数据挖掘中已得到广泛应用。在介绍基于概念层次树的数据挖掘算法的基础上 , 针对已有数值型数据概念提升算法的不足, 提出了改进后的算法, 并通过数据测试给出两种算法的比较效果和 应用实例。 关键词: 概念层次; 数据挖掘 ; 阈值 中图法分类号: TP391 文献标识码 : A 文章编号 : 1001- 3695( 2005) 03- 0061- 03 Research on Data Mining Algorithm Based on Conception Hierarchy Tree and Its Application 1 2 XIAO Juan , YE Feng ( 1. Dept. of Economic Management, Zhejiang College, Zhejiang University of Technology, Hangzhou Zhejiang 310024, China; 2 . College of Eco- nomic Management, Zhejiang University of Technology, Hangzhou Zhejiang 310014, China) Abstract: Conception hierarchy tree classifiers have found the widest applicability in large-scale data mining environments. After introduced a data mining algorithm based on conception hierarchy tree. This paper, in the light of the limitations of existed concept assension algorithm to numerical attributes in database, introduces an improved algorithm. Moreover, the result of two algorithm testing on actual data is provided in this paper. Key words: Conception Hierarchy; Data Mining; Threshold 目前常用的各类数据挖掘算法, 主要用于特征规则、关联 是最一般的概念层次树, 常包含全部可能的属性值以及它们对 规则、分类规则、序贯模式的发现, 但将这些算法用于实际的大 应的全部可能的父概念。这种概念树对于特定的数据库显得 型数据库进行知识发现, 却不能取得很好的效果。概念层次树 偏大, 并且影响到概念提升的速度, 因而缺乏一定的灵活性和 作为数据分类的方法, 可以将大量详细的细节数据总结上升到 针对性。通常, 无论是领域专家定义还是自动生成概念层次 较高的概念层, 为数据挖掘的各个步骤提供背景知识, 提高知 树, 概念层次树的构造有自顶向下和自底向上两种方式[ 1]