《基于概念格和粗糙集的数据挖掘方法研究》-毕业论文.docVIP

基于概念格和粗糙集的 数据挖掘方法研究 (博士学位论文) 培 养 单 位：清华大学计算机科学与技术系 专 业：计算机应用技术 研 究 生： 指 导 教 师： 教授 副指导教师： 教授 中文摘要 概念格是从数据中进行概念发现的一种数学工具, 可通过哈斯图表现出概念之间的层次关系, 已在信息检索、数字图书馆、软件工程和知识发现等方面得到应用。 粗糙集理论是处理模糊和不确定知识的一种数学工具, 已在人工智能与知识发现, 模式识别与分类, 故障检测等方面得到了较好应用。 本文就基于概念格和粗糙集的几种数据挖掘方法做了研究。 主要研究工作包括: 提出一种基于概念格的增量关联规则的构造方法,只需扫描数据库一次, 并且只生成最大化的项目集, 计算速度和复杂性优于apriori算法。 提出一种在概念格上提取分类和关联规则的集成算法, 可从格上生成具有任意指定后件的分类/关联规则。 给出了几条指导生成非冗余规则的规则。 提出一种概念格中概念近似的方法。 通过发现概念格的性质和形式背景之间的关系, 利用粗糙集的分析方法, 建立了任意对象集合或属性集合在概念格上的近似。 这些近似可以立即被计算出来而无需生成概念格。 进一步提出一种从概念格中直接计算所需节点的方法。 对给定属性或对象集合, 利用概念格的性质, 可以直接找到格中的匹配节点或者近似节点, 进而计算