基于概念格擴(kuò)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(dāng)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(dāng)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(jìn)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(kuò)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(kuò)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(kuò)展模型兩種分類方法從理論和試驗兩方面進(jìn)行了比較,結(jié)果證明,基于概念格擴(kuò)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(dāng)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