基于粗糙集理论的冗余规则处理方法

针对基于粗糙集理论的数据处理中存在冗余信息的问题,提出了冗余规则处理架构。利用粗糙集理论中属性约简的概念,把规则库中的单个规则作为条件属性建立新的决策表,通过规则约简剔除冗余规则。基于粗糙集理论中属性核的作用,把规则在多个约简中的出现频度作为规则重要性度量标准。实验结果表明,规则处理方法能够在有效剔除冗余规则的基础上,正确地对剩余规则进行重要性排序,对决策制定提供可靠的依据。

基于领域知识的冗余关联规则消除算法

关联规则挖掘算法用于从大型数据库中提取感兴趣的规则,然而,在领域知识中已经能清晰表示的知识并没有被充分考虑,关联规则挖掘算法提取的规则中包含了大量已知的关联性,从而产生了很多冗余规则。文章提出一种算法DKARM,同时考虑了数据本身以及相关的领域知识,以消除在领域知识中清晰表示的已知关联性。实验表明,该算法合理消除了冗余规则,有效降低了规则数目。

概念格上无冗余关联规则的提取算法NARG

在数据挖掘中,关联规则是很有价值的一类规律。普通的挖掘算法会产生大量的规则,尤其是当最小支持度和最小可信度减少时,关联规则的数目急剧上升。如何对规则进行约减而又不丢失数据信息是消除冗余关联规则的关键。根据概念格的理论和冗余关联规则的性质,提出在概念格上提取无冗余关联规则的NARG算法。该算法可以得到最小的无冗余的关联规则集,而且不丢失任何信息,可有效提高关联规则生成的效率。

最小冗余的无损关联规则集表述

传统关联规则挖掘得到的原始规则集包含大量的、杂乱的规则,其中很多是冗余的,这样的规则集难以被用户理解和应用.针对这一问题,探讨了原始规则集与规则集表述之间的关系,提出了一个新的规则集表述模型.该模型包含一个利用概率统计原理构建的推演系统,能够从原始规则集中去除冗余规则,得到无损的规则集表述.这种规则集表述比原始规则集更简洁、更易于理解以及更便于用户管理和应用.更重要的是,该模型得到的规则集表述是无损的,能够实现原始规则集和规则集表述之间的相互推演,保证了信息的完整性.在四个著名数据集上进行的实验表明,规则集表述中的规则数量显著减少.

一种XACML规则冲突及冗余分析方法

基于属性的声明式策略语言XACML表达能力丰富,满足开放式环境下资源访问管理的复杂安全需求,但其自身缺乏对规则冲突检测、规则冗余分析的支持.文中利用规则状态思想描述分析了属性层次操作关联带来的多种冲突类型,在资源语义树策略索引基础上利用状态相关性给出规则冲突检测算法;利用状态覆盖思想分析造成规则冗余的原因,给出在不同规则评估合并算法下的冗余判定定理.仿真实验首先分析了冲突检测算法的运行效率;然后针对多种策略判定系统,验证了基于语义树的策略索引和冗余规则处理可以显著提高判定性能.

一种基于闭项集的无冗余关联规则挖掘方法

针对关联规则挖掘中存在的规则数量过多,难于理解和应用的问题,提出了一种基于闭项集的无冗余关联规则挖掘算法.首先,给出了无冗余关联规则的定义,并基于规则信任度的概念说明了该定义的合理性;其次,在生成子、闭项集和无冗余关联规则的基础上,给出了无冗余最小-最大精确规则基和无冗余最小-最大近似规则基的定义,并讨论了它们的剪枝策略.最后,讨论了生成子的性质及连接策略,并在包含索引的基础上,给出了一种宽度优先的无冗余关联规则挖掘算法.实验结果表明,本文提出的算法不仅可以发现规模较小的无冗余关联规则,提高了挖掘结果的可理解性,而且具有较高的挖掘效率.

基于概念格的无冗余关联规则提取算法

针对传统挖掘算法生成的关联规则存在大量冗余、难于理解和应用的问题,提出一种新的频繁闭项集概念格FCIL(Frequent Closed Itemsets Lattices),用于生成无冗余关联规则。首先,对概念格理论进行研究,概念格节点间的泛化和例化关系非常适合规则提取;然后,结合频繁闭项集能有效减少规则数目的特点,构建一种新的FCIL;最后,给出FCIL构造算法和相应的规则提取算法。实验表明,该方法能够高效地产生无冗余规则集。

规则库的冗余测试

规则冗余会引起专家系统效率低下、增加维护代价等不利后果,在专家系统中,保持规则库的精练和简洁,避免规则冗余是规则库组织和管理中必须解决的首要问题。概述了冗余规则的分类,并利用这些规则通过算法对某农业专家系统进行测试,发现此知识库存在一定程度的冗余性,但事实证明要完全控制规则的冗余性是不可判定的。

大数据环境下的基于超图的去除冗余关联规则算法研究

本文以面向大数据的高维数据挖掘技术为研究对象，运用邻接矩阵及其有向超图检测关联规则项之间的关系，探索了在大收据条件下关联规则冗余的检测法、基于生成树的分类去除算法，该算法能有效地提高关联规则的挖掘效率、降低实际处理所需要的时间。

消除规则冲突和冗余的关联分类方法研究

研究分析了现有关联规则分类算法,总结了一般关联规则分类存在的不足,提出了一个基于关联规则挖掘技术构造分类器的新方法。该方法解决了传统算法产生规则太多,分类模型难以理解的问题。

基于项集依赖的最小关联规则挖掘

传统关联规则挖掘可能会得到大量的、杂乱的规则,它们对用户来说是不相关的或不感兴趣的。提出最小关联规则集和项集强依赖关系的概念,以实现基于项集依赖的最小关联规则挖掘算法。其不仅可以避免验证某一频繁项集下的所有非空真子集是否可形成关联规则,还可以通过删除那些过于复杂、有重复信息的规则来进一步简化传统规则集合。通过最小关联规则集可推导得到大多数冗余规则的支持度和置信度,实现了传统规则集的一种近似无损表述。采用UCI机器学习库中数据集进行实验,结果表明提出的方法得到的规则数量明显减少,且规则更加简短、无重复信息,为最小关联规则挖掘提供了更好的方法。

产生式规则库的求精研究

把规则库中的冗余规则分为蕴涵规则冗余、抽象规则冗余和死规则冗余 3类 ,提出利用文字集的闭包和规则抽象分别处理蕴涵规则冗余和抽象规则冗余 ,给出了相关的算法 ,并针对蕴涵冗余开发了有效的软件工具 .同时讨论了规则库的一致性 ,给出相应的处理策略 ,考察了规则库求精在网络知识管理、Internet结构分析和DataMining中的应用 .

基于规则库的变压器故障监测专家系统

针对变压器在线监测中缺乏状态方程的问题,设计了一种基于规则库的变压器故障实时监测的专家系统。首先以规则形式对专家知识进行编码。其次为了提高系统运行速度,方便规则的存储和管理,采用转化方案对规则进行了规范化处理,将规则以统一的形式存储在知识库中。最后提出了一种自动消除冗余规则的算法,得到所需的最小规则库。实验表明,该设计很好地模拟了人类专家对变压器故障的推理过程。

快速关联规则挖掘算法

提出了一种新颖的关联规则挖掘算法QAIS,与经典两阶段式关联规则挖掘算法不同的是,它只需扫描一遍事务数据库,不需要生成候选集,并且可以方便的应用在增量式关联规则挖掘算法中,该算法经合成数据验证是有效的.同时针对关联规则生成过程中出现大量冗余规则的问题,还讨论了冗余关联规则去除的问题.

一种关联规则挖掘的优化算法

基于chi square检验、有趣度及信息增益理论,给出一种挖掘优化关联规则的算法.该算法将冗余的规则分为:一规则缺乏统计相关性,二规则不满足"新奇"的要求.实验结果表明,该算法可有效去除冗余规则,提高挖掘效率.

完全简化决策规则集发现算法的研究

目前,有很多人研究如何从决策表获得最小简化规则集的方法,但在简化的同时往往也埋没了一些对分类有用的冗余规则。文章给出了一种求得完全简化规则集的方法,这些规则本身是最简的,包含了原决策表中所有的隐含规则,对分类决策有着重要意义。

基于等价关系的关联规则的挖掘

由于在实际的数据挖掘过程中容易出现无用的频集和冗余的规则 ,所以降低频集和规则的冗余度可大大提高挖掘的质量 ,这也是数据挖掘中一直被关注的问题 .提出了一个用等价类生成关联规则的方法 .算法主要在频集的基础上建立项集的等价关系 ,进而对项集划分等价类 ,同时将得到的关联规则划分为精确关联规则和近似关联规则两个集合 .通过等价类 ,不但可以很容易地生成所需要的关联规则 ,同时可以方便地判断数据之间依赖关系的强弱 .同时 ,项集的等价关系在实际应用中也很有利用价值 .算法最后的规则结果集剔除了由来自同一等价类中的项集的重复出现构成的冗余规则 。

一种基于串与运算的关联规则挖掘算法

提高频繁项集挖掘算法的效率一直是数据挖掘领域中关联规则挖掘研究的一个重点。Apriori算法是一种经典的最有影响的挖掘关联规则的算法 ,该算法虽然能有效地挖掘出关联规则 ,但是产生的冗余规则多 ,效率低下。针对数据挖掘的现状及关联规则算法的瓶颈问题 ,提出一种基于串与运算的关联规则挖掘算法 。

结合模拟退火与规则约简的模糊系统优化方法

从数据中学习模糊系统是其智能建模的重要方法之一,针对目前模糊系统建模及优化方法对于学习后的模糊系统的规则数以及结构优化关注不足而影响了其精度和可解释性的问题,提出了一种结合模拟退火与基于支持度约简规则的模糊系统优化方法。该方法通过支持度约简系统冗余规则进而提高模糊系统的可解释性;同时利用模拟退火算法优化模糊系统的隶属度函数参数进一步提高模糊系统的精度。针对回归任务,与BP(Back Propagation)神经网络、径向基(Radial Basis Function,RBF)神经网络以及经典的模糊算法WM(Wang-Mendel)在不同领域的3个经典数据集上进行实验比较,实验结果表明:该算法在预测方面取得了更高的精度;与WM算法相比,所提算法中规则数明显减少,进一步提高了系统的可解释性。

一种基于谓词逻辑的分类规则约简方法

利用各种分类规则挖掘方法,提取出的分类规则集中,存在许多的冗余规则,从而降低了分类效率。采用谓词公式描述分类规则,给出了一种分类规则集约简方法。该方法利用谓词公式中的逻辑推理,对分类规则集进行约简,消除了冗余规则。采用恒星光谱数据,实验验证该方法在保证分类规则集的分类能力不变的前提下,有效地提高了分类的效率。