论文部分内容阅读
当今,社会已经进入了网络信息时代,计算机与网络信息技术的飞速发展使得各个领域的数据和信息急剧增加(信息爆炸),同时人类的参与使数据与信息系统中的不确定性更加显著。如何有效地实现对数据的分析和处理,如何快速地从数据中提取出隐含的知识,长期以来一直是人工智能领域的研究热点。在此背景下诞生的知识发现KDD(Knowledge Discovery in Databases)和数据挖掘DM(Data Mining)给人们提供了一种新的认识数据和理解数据的智能手段。
作为数据挖掘的重要研究模式,关联规则一直受到广泛的关注。而概念格以其完备的结构和坚实的理论基础使其成为研究数据挖掘的主要工具之一。因此,利用概念格研究关联规则是有意义的。
基于粗糙集和概念格,本文给出了一种挖掘关联规则的新算法。该算法首先通过粗糙集的思想对形式背景进行了约简,然后通过预先给定的阈值,减少属性的个数,从而减少了建格的复杂度和搜索概念的时间。利用概念格本身的信息,计算出了所得到的关联规则的支持度和信任度。实验说明了该方法实现的具体步骤及其有效性。