形式概念分析理論的研究及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、在過去的數(shù)十年中，我們產(chǎn)生和收集數(shù)據(jù)的能力已經(jīng)迅速提高。此外，作為全球信息系統(tǒng)的萬維網(wǎng)的流行，已經(jīng)將我們淹沒在數(shù)據(jù)和信息的汪洋大海中，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識。數(shù)據(jù)庫知識發(fā)現(xiàn)是從大量數(shù)據(jù)中提取有效的、新穎的、有潛在作用的、可信的、并能最終被人理解的模式的處理過程。概念格是近年來獲得飛速發(fā)展的數(shù)據(jù)分析的有利工具，用來發(fā)現(xiàn)數(shù)據(jù)中隱藏的知識模式。因此，研究概念格的基本理論以及將其應(yīng)用于知識發(fā)現(xiàn)有著非常重要的意義。本文在以下

2、幾方面做了深入的研究并且取得了創(chuàng)新性的成果。 (1)生成概念和概念格是形式概念分析中的必要工作，本文列舉了一些經(jīng)典的漸進(jìn)式概念格生成算法，包括基于對象和基于屬性的算法。最后作者提出了一種新的基于屬性的漸進(jìn)式遞歸算法，并用實(shí)驗(yàn)證明了該算法的高效性。 (2)發(fā)現(xiàn)頻繁項(xiàng)集是數(shù)據(jù)挖掘中最重要的工作之一，本文在介紹了幾種挖掘策略后，作者提出一種基于屬性分組的頻繁項(xiàng)集挖掘算法，其挖掘策略與前兩種有所不同，與Apriori算法的實(shí)驗(yàn)比

3、較說明該算法對于大型數(shù)據(jù)庫是非常有效的。 (3)一個(gè)形式背景中形式概念的個(gè)數(shù)是隨背景的大小而指數(shù)級增長的，因而背景稍大概念的數(shù)目就非常多。對他們的處理、存儲及傳輸就十分困難。本文提出了一種全新的基于粒計(jì)算的概念格分解與合成的方法。 (4)Rough集理論與形式概念分析的結(jié)合是當(dāng)今十分熱門的話題，本文將介紹用FCA來解決Rough集理論中的一個(gè)核心問題—屬性值約簡的方法。另外，文中還給出了利用上下箭頭關(guān)系約簡形式背景的方法