-
题名属性拓扑关联规则发现
被引量：5
- 1
-
-
作者
张涛
魏昕宇
-
机构
燕山大学信息科学与工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第3期548-552,共5页
-
基金
国家自然科学基金项目(61273019)资助
河北省自然科学基金项目(F2015203013)资助
+1 种基金
教育部人文社会科学研究项目(14YJC740038)资助
河北省社会科学基金项目(HB14YY005)资助
-
文摘
在形式概念分析领域,属性拓扑理论提供了简洁,明确,可视化的概念计算的方法.然而,概念要求属性与对象间形成充要的双向映射关系,这一要求在大规模数据挖掘下往往过于严格.因此,本文以属性拓扑为基础,基于支持度和置信度的本质要求,提出一种属性拓扑关联规则发现算法,该方法首先构建频繁净化形式背景,由属性拓扑,直接发现二元频繁模式,并由BFSW子算法,计算三元及以上频繁模式,经过置信度检验,进而获得所需的关联规则.该算法弥补了传统概念计算中忽略属性间关联规则知识发现的不足,提供了发现属性对象间充分不必要关系的有效视角.
-
关键词
属性拓扑
形式概念分析
关联规则
频繁模式
层级式模式发现算法
-
Keywords
attribute topology
formal concept analysis
association rules
frequent pattern
LMPDA
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于结构化属性集的规则学习
- 2
-
-
作者
时百胜
-
机构
上海大学计算机工程与科学学院
苏州科技学院数理学院
-
出处
《计算机应用》
CSCD
北大核心
2010年第8期2010-2012,2028,共4页
-
文摘
提出了从结构化属性的背景中学习关联规则的通用算法,该算法使用过滤函数检查频繁概念,只需修改该函数,就可得到各种基于概念的规则。该算法的优点是在计算过程中利用属性结构化消除频繁概念中的冗余内涵,使得到的规则更精炼、更实用。
-
关键词
形式背景
结构化属性
频繁概念
关联规则
-
Keywords
formal context structured attribute frequent concept association rule
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
