分布式关联规则挖掘研究是为解决分布式环境下的关联规则挖掘问题而出现的新课题,具有重要的理论和实际意义。概念格通过概念的内涵和外延之间的关系以及泛化和例化之间的关系来表示数据和知识,因而适用于关联规则发现的问题研究。然而,由于格结构的完备性致使格的规模随数据库规模的增长而快速增长,一定程度上影响了概念格模型在知识发现研究领域中的应用。本文在对概念格及其扩展模型进行研究的基础上,着重研究了基于剪枝概念格模型的分布式挖掘关联规则问题。 论文主要工作如下: (1)在深入研究概念格上数据和知识表示的基础上,着重讨论了概念格剪枝模型的相关理论,并给出了相应的剪枝格构造算法。 (2)比较研究了基于剪枝概念格上频繁项集表示与基于Apriori性质的频繁项集表示方法,发现前者能够更加简洁地表示频繁项集、更加精确地反映原始数据库中的关联信息。 (3)研究了利用剪枝格模型从多数据源上提取关联规则问题;给出相应的算法UMPL,并用实验证明了算法的有效性和正确性。 (4)实现了基于概念格的关联规则挖掘原型系统。