基于概念格的渐进式决策规则提取算法研究.pdfVIP

34No．8A 计算机科学2007VoL 基于概念格的渐进式决策规则提取算法 Incrementalof DecisionRulesBasedon Lattice AlgorithmExtracting Concept 张倚弛姜广 (山西大学计算机与信息技术学院 太原030006) Al葛tr-aet data in The latticewhichisakernelstructuretheformal hasbeen concept conceptanalysis appliedwiddy and in the 011 tO researchdecisioncontext，incrementaldecisionrule successfullymanyfields．According rnhn堍al— is is tobe is last．a medicinedataset the effective． gorithmproposed．Atlarge examplegiven．80algorithmproved Formal lattice，Minimal rule Keywords conceptanalysis，Concept generator，Decision (A，B)的内涵，记作intent。 1 引言 定义2．3 设K=(G，M，D为一形式背景， 德国的wille在1982年提出了形式概念分 (A1，B·)，(A2，Bz)是K的两个概念，规定 析[1]，用于概念的发现和排序。概念格作为形式概 (A1，B1)≤(A2，Bz)：evAl∈A2， 念分析中核心的数据结构，它的每个节点都是一个 此时，称概念(A2，Bz)是概念(A，，B，)的父概念，概 形式概念。它由外延和内涵组成。概念格理论是形 念(Al，B。)是概念(A2，B2)的子概念。具有偏序关 式概念分析理论的核心数据结构，被认为是发现和 系“≤”的形式背景K的所有概念形成一个完备格， 数据分析的有力数学工具，已经被广泛地研究[2~5]，称为K的概念格，记作历(K)。 并应用到机器学习、软件工程和信息获取等领域[71。 定义2．4设K=(G，M，工)为一形式背景，A∈ 决策规则获取是粗糙集理论应用的一个重要领 M，B∈M为两个属性子集，称A蕴含B当且仅当 域，在这方面已有不少的结果，如基于属性重要性的 A‘∈．B‘，记为A—B。 方法、基于信息熵的方法、遗传搜索算法等E8～11]，这 些算法都是对于决策表的规则提取。目前，对于形 3决策背景及其规则的挖掘 式概念分析进行决策规则提取尚不多见。本文引入 定义3．1设K=(G，M，J)为一形式背景，若 决策背景的概念，提出了基于最小生成子的决策规 则提取算法，并利用决策规则的支持度和可信度来 D是决策属性集，那么我们称这种形式背景K。=