数据库中的知识发现(Knowledge Discovery in Databases,简称KDD)是数据库和人工智能领域研究的热点课题,其中关联规则挖掘是重要的分支。经典的和其它挖掘算法在时空性能方面和结果展现方面还存在一些不足。 概念格是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问题的描述。在概念格的内涵中引入等价关系而得到的概念格扩展模型,能更清晰的表示概念内涵之间的关系,更有利于知识提取。 本文探讨了基于概念格扩展模型的关联规则提取,主要工作如下: (1)概念格模型的扩展与实现:通过引入量化和相对约减两种方法,使从格中提取规则更方便:概念外延的量化表示压缩了外延的空间,内涵的相对约简压缩了内涵的空间存储规模,因而提高了空间性能,并给出了相应概念格的构造算法。 (2)基于概念格扩展模型的关联规则挖掘研究与实现:提出了基于概念格扩展模型的关联规则挖掘算法,并通过实验对算法的正确性及时间和空间性能进行了验证。