基于扩展粗糙集模型的近似概念格规则挖掘研究

摘要：

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域.在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格(ACL)的构建,由此提出概念格粗糙近似和规则挖掘算法(LCBA).最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性.

关键词：粗糙集、β-多数蕴涵关系、近似概念格、规则挖掘

所属期刊栏目：29

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金-微软亚洲研究院联合项目60873069;江苏省高校自然科学基础研究项目07KJB520096;南通市应用研究计划K2008031;南通大学自然科学基金052061;南通大学通信与信息系统学科科技创新资助项目

在线出版日期：2009-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：10-15