基于領(lǐng)域知識的面向分類的屬性泛化研究.pdf

1、數(shù)據(jù)規(guī)模的急劇增長使得數(shù)據(jù)挖掘越來越重要。當(dāng)前的數(shù)據(jù)挖掘方法對數(shù)據(jù)的取值基本上是單一層次的，而實(shí)際領(lǐng)域中數(shù)據(jù)的取值可能隨著用戶的任務(wù)需求而需要進(jìn)行適當(dāng)?shù)膶哟巫儞Q。由于現(xiàn)實(shí)中領(lǐng)域知識的豐富性及復(fù)雜性，可能有不同的層次變換方向及取值可利用(即多重多層次化變換MRML)，而且不同取值與問題的相關(guān)性存在較大差異。因此，本文針對這類具有多重多層次的屬性泛化問題展開了研究。 論文的主要研究內(nèi)容如下： (1)詳細(xì)地討論了領(lǐng)域知識的各種

2、不同的知識表示模型，探討了由不同知識表示模型表示的領(lǐng)域知識在知識發(fā)現(xiàn)過程各個階段中的重要作用，展現(xiàn)了基于領(lǐng)域知識的知識發(fā)現(xiàn)的應(yīng)用前景及所面臨的挑戰(zhàn)。 (2)描述了概念層次的基本概念以及表示方法，在此基礎(chǔ)上，構(gòu)建了多重多層次屬性泛化模型，表示了具體多種泛化路徑的屬性間的關(guān)系，并建立了基于分類的泛化模型，用于控制屬性層次變換。 (3)在多重多層次屬性泛化模型的基礎(chǔ)上，提出一種基于MRML泛化關(guān)系的分類規(guī)則泛化學(xué)習(xí)方法(CG_