基于量化相对约简格的分类规则发现  

The Discovery of Classification Rules Based on Quantitative Relatively Reduced Concept Lattice

作　　者：王浩[1] 胡学钢[1] 赵文兵[1] 

机构地区：[1]合肥工业大学计算机与信息学院,合肥230009

出　　处：《复旦学报（自然科学版）》2004年第5期761-764,共4页Journal of Fudan University：Natural Science

基　　金：安徽省教育厅自然科学基金课题(2000jl168zd);安徽省自然科学基金资助项目(03042305)

摘　　要：分类是数据挖掘中的一个重要问题.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.在量化的相对约简格基础上,提出一种新的分类规则发现算法,该算法的生成结果剔除了冗余的分类规则,算法在时间性能、空间性能等方面均有较大的提高.Classification is an important problem of data mining. Concept lattice represents knowledge with the relation between the intension and the extension of concept, and the relation between the generalization and the specialization of concept, thus it suits to describe the problem of data mining. Based on quantitative relatively reduced concept lattice, it introduces a new algorithm that mining classification rules. The algorithm is more efficient than Rulearner at complexity of time and space, and eliminates the redundant rules.

关 键 词：相对约简 分类规则 发现算法 概念格 数据挖掘 冗余 数据库 量化 时间性 知识 

分 类 号：N941[自然科学总论—系统科学] TP18[自动化与计算机技术—控制理论与控制工程]