基于概念格擴展模型的分類問題研究.pdf

1、數(shù)據(jù)挖掘與數(shù)據(jù)庫知識發(fā)現(xiàn)(Knowledge Discovery in Databases,KDD)是當前涉及人工智能、數(shù)據(jù)庫、統(tǒng)計學(xué)等學(xué)科的一門相當活躍的研究領(lǐng)域,是從數(shù)據(jù)中提取人們感興趣的、潛在的、可用的知識,并表示成用戶可理解的形式.分類(Classification)是數(shù)據(jù)挖掘領(lǐng)域的一個重要研究分支,分類首先要構(gòu)造分類器,并對依據(jù)分類器對新數(shù)據(jù)進行類別預(yù)測.有關(guān)分類問題的研究中,較著名的決策樹構(gòu)造算法是J.R.Quinlan 于

2、1986年和1993年提出的ID3和C4.5算法.概念格通過概念的內(nèi)涵和外延及泛化和例化之間的關(guān)系來表示知識,因而適用于從數(shù)據(jù)庫中挖掘規(guī)則問題的描述.在概念格的內(nèi)涵中引入等價關(guān)系并將外延量化表示,可得到概念格的擴展形式,可以更清晰的表示概念內(nèi)涵之間的關(guān)系,更有利于知識提取.該文研究基于概念格的這種擴展形式的分類問題,并提出面向分類的概念格的剪枝方法.基于這種剪枝后的格結(jié)構(gòu)(分類剪枝格)挖掘的分類規(guī)則在規(guī)則質(zhì)量等方面具有良好的性能.面向分

3、類問題的剪枝方法,一定程度上簡化了格結(jié)構(gòu),加速了分類規(guī)則的提取過程.該文對決策樹和概念格擴展模型兩種分類方法從理論和試驗兩方面進行了比較,結(jié)果證明,基于概念格擴展模型的分類方法具有一定的優(yōu)越性.然而,由于概念格的完備導(dǎo)致了格結(jié)構(gòu)規(guī)模的龐大,一定程度上制約了其應(yīng)用.當前數(shù)據(jù)量和數(shù)據(jù)類型以及分布式數(shù)據(jù)庫的不斷增長給數(shù)據(jù)挖掘領(lǐng)域提出了新的挑戰(zhàn),對概念格模型來講,研究這一問題具有更重要的現(xiàn)實意義.為此,很多專家學(xué)者提出,將并行、分布式計算環(huán)境引