基于概念格的分类和关联规则的集成挖掘方法

改进了一个 Bordat的建格算法 ,使之适合于集成挖掘的需要 ,进而提出一个从概念格上提取关联规则和分类规则的算法 ,实现了关联规则和分类规则的挖掘在概念格框架下的统一 .

基于概念格的在线健康社区用户画像研究

基于概念格构建在线健康社区群体用户画像,揭示不同类型群体用户多维度的特征以及不同情境下的行为规律,为优化社区服务提供依据。利用Python获取在线健康社区糖尿病圈的用户数据,从用户需求、用户角色、用户行为三个维度构建在线健康社区用户画像概念模型;利用Con Exp1.3工具构建用户细分标签概念格,通过概念格Hasse图将用户群体分为3大类,实现社区群体用户画像的构建;通过关联规则挖掘群体用户在不同情境下的行为规律,实现用户画像的完整刻画。利用概念格进行群体聚类能够以层级的形式显示每类群体的属性特征,并且易于挖掘用户属性之间的关联,在构建全面准确的群体用户画像方面具有突出的优势,有助于社区深入了解用户群体,实现精准服务。

基于量化规则格的关联规则渐进更新

提出一种基于量化规则格的规则更新算法,重点讨论了在新增格节点的过程中规则更新的思想,实现在格的渐增生成过程中,相应的关联规则也得到渐进更新。最后给出简单实例说明规则更新算法的正确性。

偏序集、包含度与形式概念分析

在形式背景上建立了3个偏序集:G偏序集、M偏序集和GM偏序集,并将包含度的概念引入到3个偏序集上.讨论了偏序集上的偏序关系和包含度与概念格之间的联系,并且证实了形式概念分析中的内涵、外延和蕴涵规则均可归结为偏序集上的序表示及包含度表示,这将有助于人们深刻理解形式概念分析中概念的含义及概念格的结构,为从定量分析角度研究形式概念分析提供了依据.

概念格与关联规则发现

作为数据挖掘核心任务之一的关联规则发现已经得到了广泛的研究 .而由二元关系导出的概念格则是一种非常有用的形式化工具 ,它体现了概念内涵和外延的统一 ,反映了对象和特征间的联系以及概念间的泛化与例化关系 ,因此非常适于发现数据中潜在的概念 .分析了概念格与关联规则提取之间的关系 ,根据需要对格结构进行了相应的修改 ,提出了相应的渐进式生成算法和基于概念格的关联规则提取算法 ,通过定理和性质对算法进行了说明并对关联规则进行缩减 .

基于属性链表的关联规则格的渐进式构造算法

作为数据挖掘核心任务之一的关联规则发现已经得到了广泛的研究。而由二元关系导出的概念格则是一种非常有用的形式化工具,非常适于发现数据中潜在的概念。分析了概念格与关联规则提取之间的关系,根据需要对格结构进行了相应的修改,提出了关联规则格的概念,并提出属性链表这种数据结构,基于这种链袁提出了关联规则格的渐进式构造算法。通过对算法进行分析,得出了比Godin算法更好的时间效率。

基于量化概念格的关联规则挖掘

在概念格的内涵中引入等价关系并将其外延量化 ,得到量化概念格。利用量化概念格可以清晰地表示知识 ,从而便于挖掘包括关联规则在内的多种规则 ,与经典的 A priori算法相比较 ,规则表示更简捷、直观 ,尤其重要的是用户可根据自己的兴趣交互地挖掘关联规则 ,不需要计算频繁项目集 ,因而提高了挖掘规则的效率 。

基于概念格和Apriori的关联规则挖掘算法分析

概念格通过概念的内涵和外延及泛化和例化之间的关系来表示知识,因而适用于从数据库中挖掘规则的问题描述;在概念格的内涵中引入等价关系并将其外延量化,得到量化概念格;利用量化概念格挖掘关联规则,与采用Apriori算法计算频繁项目集获取关联规则相比较,不需要计算频繁项目集,容易获得用户感兴趣的关联规则,同时减少了大量冗余的规则,提高了挖掘效率。

一种新的面向普通用户的多值属性关联规则可视化挖掘方法

针对传统关联规则可视化挖掘方法不利于处理多值属性数据、缺乏展现数据间的频繁模式和关联模式以及效率低下等问题,提出了基于KAF因子和CHF因子的Apriori改进算法进行多值属性关联规则挖掘,实现了一种新的基于概念格的多值属性关联规则可视化方法.运用概念格理论对多值属性数据进行了重新定义和分类,建立了较为完整的挖掘过程参数调整策略,方便用户选择关键属性值进行规则挖掘分析,提高了算法运行速度和挖掘效率.以概念格结构将多值数据组织起来,实现了对频繁项集的可视化展示,以及关联规则的多模式可视化展示.实验结果表明,改进后的挖掘算法具有更好的性能,所提出的可视化形式和已有成果相比具有良好的展现效果.

形式概念分析的概念之间包含度理论

在形式概念分析中的概念之间引进了包含度理论,利用包含度理论描述了概念之间的量化关系,对概念格中概念之间的亚概念和超概念进行了刻画。同时,采用包含度在概念格中进行关联规则的提取,给出了由包含度进行无冗余关联规则的提取算法,并由实例验证了该算法是有效的。

基于概念格的关联规则发现

关联规则是数据库中有价值的一类规律 ,国内外学者已经对它进行了广泛的研究 .由二元关系导出的概念格作为一种非常有用的形式化工具 ,体现了概念内涵和外延的统一 ,反映了对象和特征间的联系以及概念的泛化与例化关系 ,因此非常适于发现数据中潜在的概念 .本文分析了概念格的关联规则提取之间的关系 ,根据需要对格结构进行了相应的修改 ,提出了概念格结点内涵缩减概念 ,给出了相应的渐进式生成算法和基于概念格的关联规则提取算法 。

模糊关联规则格的规则提取

针对模糊属性事务数据库提取模糊关联规则的问题,采用模糊概念格与模糊关联规则相结合的方法,实现格节点与属性项集的对应关系,提出模糊关联规则格理论,在渐进式建格算法基础上对格节点相应修改,给出了适用于动态数据库的模糊关联规则格的构建思想.利用模糊关联规则格挖掘关联规则,与采用Apriori算法计算频繁项目集获取规则相比较,容易获得用户感兴趣的关联规则,同时减少冗余规则的生成,使挖掘算法得到优化.

关联规则挖掘的软集包含度方法

本文在深入研究软集数据分析的基础上,将包含度引入软集数据关联规则挖掘中,利用包含度理论描述属性集之间的量化关系,给出软集上属性集间的包含度、关联规则和最大关联规则的概念,讨论包含度和可信度之间的联系.在此基础上给出利用包含度在事务数据软集中挖掘满足给定的支持度和可信度阈值的软关联规则方法,以及最大软关联规则的提取算法.理论证明和实例分析表明该关联规则挖掘方法是有效的,并通过实验对算法的性能进行了比较.

概念格的内涵缩减研究

利用概念格作为属性约简的数据模型,对概念格上的父子关系和内涵属性来源进行了分析:在概念格中任意若干个概念如果存在共同的子概念,那么只存在一个共同的子概念;概念的属性有两种来源,其一是继承的父节点的属性,其二是概念细化过程中增加的属性。相应地提出了两条内涵缩减的规则:如果一个节点只有一个父节点,那么其内涵缩减来源于它的内涵与父节点内涵的差集;如果一个节点有两个或两个以上的父节点,那么其内涵缩减来源于任意两个父亲节点属性的并集。然后对两条规则进行了证明,并设计了计算内涵缩减的算法。

形式概念分析与软件过程改进

The paper focuses on the method of formal concept analysis in data analyzing for software process improve-ment. It sets up that not only the Software Quality Guarantee Platform being developed should have the commonfunctions including enterprise process defining, process cutting out, executing and monitoring, and the normal dataanalysis tools such as OLAP, but also one should develop the novel data analysis tools based on formal methodologyby starting with maturity definition of process data, so as to discover valuable new knowledge from large database andsupport continuous software process improvement. Further more ,the paper demonstrates the software process dataanalysis using concept lattice in an example.

基于概念格的多值属性关联规则挖掘

针对传统关联规则挖掘算法不利于用户选择关键数据进行分析、无法处理多值属性数据及效率低下等问题,提出了基于KAF因子和CHF因子的Apriori改进算法来进行多值属性关联规则挖掘,运用概念格理论对多值属性数据进行了重新定义和分类;建立了数据挖掘参数调整机制,以提高算法挖掘效率,方便用户选择关键属性值进行规则挖掘分析。结合某省全员人口数据对算法进行了具体实现和分析。实验结果表明,算法性能具有较大提高。

基于概念格的数据挖掘方法研究

分析了概念格和关联规则之间的关系,提出了将频繁项集及其支持度存储在概念格上, 然后在创建好的概念格上提取关联规则的方法,以及数据发生变化以后概念格的维护算法。

基于频繁概念格的电子病历关联规则挖掘研究

提出了一种基于频繁概念格的FC Lattice电子病历关联规则挖掘算法,该算法在渐进式建格的同时能发现最大频繁项集和提取相应关联规则,并进行基于FC Lattice算法的电子病历挖掘相关实验,结果表明该算法在运行速度和挖掘性能上都是高效的.

基于剪枝概念格的项集知识表示与挖掘

在研究概念格和项集关系的基础上,将剪枝概念格模型引入数据库中项集的表示与挖掘,利用概念间的关系性质,在构造过程中及时、动态地剪枝,删除与项集求解无关的概念,不丢失信息的同时能有效压缩频繁项集的规模,实验证实了算法良好的性能。

基于概念格的关联规则挖掘

关联规则的挖掘是知识发现领域重要的研究方向之一,因此开展这方面的研究是很有意义的。论文给出了一种基于概念格的关联规则的算法,该算法首先通过约化形式背景,然后通过给定的阈值在约简的背景上建格,最后在格上提取符合条件的关联规则。例子说明了该算法的可行性和有效性。