一种基于决策表的分类规则挖掘新算法

The mining of classification rules is an important field in Data Mining. Decision table of rough sets theory is an efficient tool for mining classification rules. The elementary concepts corresponding to decision table of Rough Sets Theory are introduced in this paper. A new algorithm for mining classification rules based on Decision Table is presented, along with a discernable function in reduction of attribute values, and a new principle for accuracy of rules. An example of its application to the car‘s classification problem is included, and the accuracy of rules discovered is analyzed. The potential fields for its application in data mining are also discussed.     

挖掘转移规则：一种新的数据挖掘技术

文中提出一种新的数据挖掘技术；挖掘转移规划。     

一种快速有效的分布式开采多层关联规则的算法

关联规则（association rules）是数据开采的重要研究内容,建立项目的层次关系可以发现更加有意义的规则,主要研究分布式环境下开采多层关联规则的问题,提出了一种快速有效的ＭＬＦＤＭ算法,采用的技术包括分布式编码交易表的有效修剪,侯选集的产生及修剪技术,侯选项集的全局支持数的计算方法等,论述了它的原理,具体实现方法及其几个改进算法,实验结果表明,算法ＭＬＦＤＭ是有效的,并对ＭＬＦＤＭ算法的几个变种进行了讨论。     

决策表的一种知识约简与规则获取方法

粗糙集理论是一种新型的数据挖掘和决策分析方法,利用粗糙集理论进行决策表的知识约简与决策规则挖掘已经成为研究热点。文中介绍了粗糙集的基本理论,在此基础上运用该理论对从决策表中获取最小规则进行了研究,提出了决策表约简的启发式方法,并通过一个具体实例详细说明了决策规则获取过程,实例分析表明了其有效性。     

决策表的一种知识约简与规则获取方法

粗糙集理论是一种新型的数据挖掘和决策分析方法，利用粗糙集理论进行决策表的知识约简与决策规则挖掘已经成为研究热点。文中介绍了粗糙集的基本理论，在此基础上运用该理论对从决策表中获取最小规则进行了研究，提出了决策表约简的启发式方法，并通过一个具体实例详细说明了决策规则获取过程，实例分析表明了其有效性。     

一种多概念层数值关联规则采掘方法

目前,数据采掘已成为人工智能、数据库等领域的重要研究课题。数据采掘是从大量的数据中自动高效地提取未知的、可用的、可信的、可理解的知识的数据处理新技术。为了便于理解,数据采掘的结果可以用人们熟悉的概念来表示。某一领域中的概念按其内涵和外延往往形成一定的关系。在数据采掘中,主要有概念格和概念层次两种描述这种关系的方法,概念格主     

一种基于概念格的规则提取方法及其应用

概念格是规则提取的一种有效工具.在已知一个形式背景的所有概念,而无需知道其格结构的前提下,首先定义了每类样本集合的规则集和普通属性集,然后给出了一个基于普通属性集在冗余的规则集中提取出每类样本集合普遍适用的一个产生规则的算法,从而可进一步生成相应规则子集.最后,该方法被应用于无线电C波段信号的规则提取,实验结果证明了该方法的可行性和有效性.     

大型事务数据库中的一种快速的规则挖掘算法

1 引言数据挖掘(Data Mining),也称为数据库中知识发现KDD,是指发掘隐藏在堆积如山的数据中的真知灼见,这基本上正在变成一种商业上非做不可的事情。关联规则(As-sociation Rules)是数据挖掘的重要研究内容,目前的绝大部分关联规则挖掘算法一般都分为两个阶段:①频繁项目集的发现;②规则的产生。算法的计算工作量主要集中在第一阶段上,因此,如何快速确定频繁项目集是算法效率的关键,在这方面已有许多工作与成果。但总的来讲,许多研究都是在Apriori算法或其派生算法的基础上进行的。这些算法或多或少存在如下两个问题:①算法必须耗费大量的时间处理规模巨大的候选项目集;②算法必须多次重复机械地扫描     

一种新的关联规则挖掘的模型

1.引言 support-confidence模型是正关联规则挖掘普遍应用的模型,而如何度量关联规则的不确定性则是正关联规则挖掘中的重要问题之一。在该模型中,用supp(X∪Y)和conf(X→Y)来度量关联规则X→Y的不确定性。然而,用这一度量标准可能会得到诸如X→Y,但X与Y不相关(或独立)的规则。可见,用conf(X→Y)来度量关联规则是不够的. 实际应用中,我们不仅要挖掘正关联规则,而且还要挖掘负关联规则。正关联规则即形如X→Y的式子,负关联规则即形如X→Y的式子,其中X,YI,X∩Y=,I为数据库D中的所有项的集合,首先看一个例子,若p(c)=0.6,p(t)=0.4,p(t∪c)=0.05,p(t∪c)=0.35,minconf=0.52,有p(t∪c)/p(t)=0.05/0.4=0.125minconf。因此,t→c为一有效规则。     

一种增量式规则提取算法

扩展了决策矩阵的定义，并在此基础上提出一种增量式规则提取算法(IREA)，该算法能够以增量的方式从样本数据中提取确定性和可能性规则．对于缺乏领域知识时的知识／规则获取具有重要使用价值．     

对产生式规则关系数据库的实现与改进

知识库是专家系统的一个组成部分,产生式规则又是知识库的表示方法之一,本文对如何用关系数据库实现产生式规则做了详细的论述,提出了改进的办法,并给出了推理和知识库获取的程序设计算法流程图.     

一种基于查找表的数据包快速分类技术

数据包分类技术属于高速网络数据处理中的关键技术［1］,在对已有数据包分类技术作简单比较的基础上,提出了一种基于查找表的数据包快速分类技术。该技术保留了纯软件方案的良好扩展性,获得了ASIC的线速处理速度,减轻了CPU 的负载,对提高网络数据处理速度具有十分重要的意义。     

一种基于条件独立性的关联规则过滤方法

重点分析了一种关联规则挖掘算法的基本原理,提出了一种基于条件独立性的关联规则过滤的方法,并分析了其它的几种过滤方法。     

一种基于粗糙集理论的文本分类方法

在网络这个庞大的虚拟图书馆中，占信息比重最大的文本数据却缺乏结构化、组织化的规整性，大大降低了网络文本信息的利用效率，而文本的自动分类技术则能降低网络的查询时间，提高网络搜索质量。文章提出了一种基于粗糙集理论的文本分类方法。     

关联规则概述

对近年来关联规则数据挖掘的主要方法进行了概述,同时介绍了关联规则进一步研究的方向.     

基于背景知识的关联规则挖掘算法研究

为了解决传统算法中存在的频繁模式集生成的瓶颈问题，本文将启发式背景知识和归纳背景知识同时运用在频繁模式的生成过程中，提出了一种基于背景知识的关联规则挖掘算法BasedBackground。该算法不仅通过启发式背景知识，有效降低了模式的计数代价，而且通过由样本挖掘获取的归纳背景知识，有效地减少I／O代价，因此提高了挖掘的效串和质量。本文最後通过恒星光谱数据作为实验数据集，验证了该算法的有效性。     

不完备决策表的一种知识约简算法

知识约简是粗糙集理论的核心内容之一。介绍了不完备信息系统下的粗糙集模型,提出了一个在不完备决策表中利用属性的重要性进行知识约简的算法,并给出实例计算结果,证明了算法的可行性。     

关联规则数据挖掘综述

阐述了关联规则及其基本算法,归纳了关联规则数据挖掘的诸多研究方向,认为算法的效率、规则兴趣度和扩展的关联规则挖掘是研究的重点.     

Extracting decision trees from trained neural networks

In this paper we present a methodology for extracting decision trees from input data generated from trained neural networks instead of doing it directly from the data. A genetic algorithm is used to query the trained network and extract prototypes. A prototype selection mechanism is then used to select a subset of the prototypes. Finally, a standard induction method like ID3 or C5.0 is used to extract the decision tree. The extracted decision trees can be used to understand the working of the neural network besides performing classification. This method is able to extract different decision trees of high accuracy and comprehensibility from the trained neural network.     

集值决策信息系统的知识约简与规则提取

本文用集值信息系统描述不完备信息系统。在集值信息系统中定义了两种不同的关系：相容关系和优势关系,给出了两种不同关系下集合的上下近似概念及其性质。研究了集值决策信息系统在两种不同关系下的广义决策约简,得到了广义决策约简的判定定理和辨识矩阵,从而得到了约简的具体操作方法。最后,基于两种关系从集值决策信息系统提取了最优广义决策规则,并进行了讨论。