摘要
指出了若将规则看作是一种广义的特征 ,则从数据中挖掘规则 (或知识 ) ,可用属性量 -质特征转化的定性映射加以刻画 .根据特征定性可随定性基准而变的事实 ,并给出了一个高效、可增长、可重泛化的概念树生成算法 ,即EIGR算法 ,与传统的 KDD方法相比 ,该方法不仅更符合于人类思维 ,而且 。
Mining the association rules (or knowledge) from data can be described by a qualitative mapping based on conversion of quantity quality features of attributes. An efficient incremental generalization and regeneralization algorithm is given in this paper.
出处
《计算机研究与发展》
EI
CSCD
北大核心
2000年第9期1114-1119,共6页
Journal of Computer Research and Development
基金
国家"八六三"高技术研究发展计划基金!(项目编号 863 -3 0 6-ZT0 6-0 3 -3 )
广西省自然科学基金!(项目编号 9912 0 2 2 )
关键词
KDD
属性量-质特征转化
知识发现
人工智能
KDD, sensation feature extraction, conversion of quantity quality feature of attributes, qualitative mapping, conception tree generalization
