基于背景知識的關聯(lián)規(guī)則挖掘方法研究及應用.pdf

1、隨著觀測手段的不斷提高，以LAMOST望遠鏡為代表的海量觀測數(shù)據(jù)的處理問題日益尖銳，使得傳統(tǒng)的人工或半人工的數(shù)據(jù)分析方法無法滿足天文學的需求。其中，天體光譜特征同其物理化學性質之間的相關性關系，對于天文學家和從事天文工作的科技人員來說有著極為重要的意義。關聯(lián)規(guī)則挖掘是描述數(shù)據(jù)集中項目之間存在的關聯(lián)關系。因此，采用關聯(lián)規(guī)則來描述天體光譜數(shù)據(jù)各屬性之間的關系，為天文學家提供準確、可靠、容易被計算機處理的光譜知識具有重要的應用價值。本論文以L

2、AMOST為應用背景，對基于背景知識的關聯(lián)規(guī)則挖掘進行了研究，主要研究工作如下： 第一、在詳細分析面向關聯(lián)規(guī)則挖掘的背景知識的基礎上，提出了一種基于一階謂詞邏輯的背景知識表示技術，并將面向關聯(lián)規(guī)則挖掘的背景知識分為兩類，即啟發(fā)式背景知識和歸納背景知識。 第二、針對關聯(lián)規(guī)則挖掘中，模式計數(shù)代價太高、I/O效率低下問題，提出了一種基于背景知識的關聯(lián)規(guī)則挖掘算法。該算法通過啟發(fā)式背景知識剪枝掉不符合約束條件的候選頻繁模式集，僅

3、生成用戶感興趣的頻繁模式，有效地減少了模式計數(shù)代價，提高了挖掘質量；同時通過樣本挖掘獲得的歸納背景知識，使得在每次數(shù)據(jù)庫掃描過程中都能生成不同長度的頻繁模式，能夠在較少的數(shù)據(jù)庫掃描次數(shù)中挖掘出全部的頻繁模式。 第三、在上述研究成果的基礎上，首先利用關聯(lián)規(guī)則作為恒星光譜數(shù)據(jù)相關性分析方法，以VC++和SQL Server 2000作為開發(fā)工具，設計與實現(xiàn)了基于關聯(lián)規(guī)則的恒星光譜數(shù)據(jù)相關性分析系統(tǒng)。其次給出了該系統(tǒng)的軟件體系結構和模