基于量化扩展概念格的属性归纳算法

在知识发现过程中用户感兴趣的往往是一些高层次、适当概括的简化信息,面向属性的归纳是目前主要的数据归约方法,一般是仅考虑原始数据所提供简单的统计信息.本文提出的基于量化扩展概念格的属性归纳算法,采用概念的爬升进行相应的泛化来完成多层、多属性归纳.与面向属性归纳算法比较,该算法的泛化路径不是唯一的,在量化扩展概念格的哈斯图中容易找到合适的泛化路径和阈值,得到满足用户要求合理的属性归纳结果,以提供用户所需的不同粒度的知识.     

面向属性的归纳与概念聚类

面向属性的归纳是新近提出的一种广泛用于数据库中的知识发现的方法，提出这种方法与一种机器学习方法－－概念聚类之间的紧密联系，并描述如何使用一个概念聚类算法进行面向属性的归纳。     

面向属性的归纳与概念聚类

面向属性的归纳是新近提出的一种广泛用于数据库中知识发现的方法，文章指出这种方法与一种机器学习方法－概念聚类之间的紧密联系，并描述如何使用一个概念聚类算法进行面向属性的归纳。     

基于面向属性泛化及信息增益的数据挖掘方法研究

针对面向属性的归纳方法及粗糙集方法对知识粒性连续性的特点,将两者有机结合,利用面向属性归纳方法对数据进行泛化,再用属性的信息增益技术寻找泛化属性之间的数据依赖关系,能快速地在数据集中挖掘分类规则。将其应用于经典的仿真算例中,仿真结果合理、可靠。     

用探测性的归纳学习方法从空间数据库发现知识

将探测性数据分析,面向属性的归纳和Ｒｏｕｇｈ集方法结合起来,形成了一种灵活通用的探测性归纳米学习方法ＥＩＬ,可以从空间数据库中发现普遍知识,属性依赖,分类知识等多种知识,同时提出了和总结了多种生成空间数据库概念层次结构的方法用于归纳学习,用中国分省农业统计数据的发掘试验说明了ＥＩＬ的可行性和有效性。     

关系数据库中面向属性的泛化和约简

文中讨论了关系数据库中的知识发现,以RS理论为数学工具,将面向属性的归纳方法与实例学习相结合,用来关系数据库中知识发现的属性泛化和约简。引入了属性泛化的算法。用信息论的观点来解释属性约简的含义,提出了用信息增益作为属性的重要度量,并给出了基于这种重要度量的属性约简算法。     

运用SQL实现面向属性归纳的算法

面向属性归纳方法是面向查询的、基于泛化的联机数据分析处理技术。研究使用SQL语句直接实现广义关系表,简化面向属性归纳方法的实现。     

基于规则面向属性的数据库归纳的无回溯算法

该文提出了基于规则的面向属性知识发现方法的无回溯算法.把背景知识理解为特殊的逻辑程序,并把它的子句展开为完全归结子句,然后按照用户要求,定义并确定每个属性的恰当层次.每个属性的多个值归纳为恰当层次中的值,只需一遍扫描,因此无需回溯.     

运用SQL实现面向属性归纳的算法

面向属性归纳方法是面向查询的、基于泛化的联机数据分析处理技术。研究使用SQL语句直接实现广义关系表．简化面向属性归纳方法的实现。     

基于属性归纳的中药方剂数据挖掘

传统的面向属性归纳技术（AOI）存在概化粗糙及算法效率较低等缺陷。为适应中药方剂数据挖掘的复杂需求，提出基于中药数据驱动的属性关联概化算法；为关联的维度创建概念树，利用关联属性与基准属性的相关性以提高归纳的效率，实现了面向属性关联归纳的数据挖掘系统TCMDBMiner。实验结果表明，新算法较传统算法的归纳概化效率提高了23%以上，挖掘结果符合中医理论。     

面向属性的量化归纳

数据简化是数据库中知识发现的一个重要研究方向。面向属性的归纳（AOG）可以用于数据简化。首先从数据简化的角度分析讨论了AOG及其不足;AOG的单一属性阈值控制是布尔型控制,在有例外存在的情况下,可能造成数据过度简化,失去数据简化的意义。其次在AOG的基础上提出了面向属性的量化归纳（QAOG）以弥补AOG的不足;引入记录阈值的概念,用属性阈值和记录阈值同时进行控制,使控制从布尔型变成数量型,对没有例外存在的情况产生与AOG相同的效果,而对有例外存在的情况产生比AOG更好的效果,还给出了一个有效的QAOG算法。     

一种基于语义贴近度的抽象归纳法

面向属性归纳（ＡＯＧ）在ＫＤＤ中的有着重要的作用,通过将低层属性归纳为高层概念,可有效地提高数据挖掘效率,在不同层次发现知识,文中介绍了ＡＯＧ的一种新方法－基于语义贴近度的抽象归纳,新的方法使得ＡＯＧ算法具有了交互的和增长的特性,从而进一步推广了ＡＯＧ算法的应用,在新方法的算法设计中,引入一种有效的数据结构－二叉划分树,它是算法具有高效率、增长的及快速重归纳特性的根本保证。     

知识的约简研究

本文首先给出了知识约简问题的形式定义,然后详细描述了知识库中面向范畴的约简,面向属性的约简和面向规则的约简方法,分别提出了面向属性的约简算法和面向规则的约简算法,最后进行了一些讨论。     

基于自适应聚类的数据预处理算法I

提出了KDD的一种逻辑模型。以数据库或数据仓库中的数据为例 ,根据先验知识或可能的挖掘目标 ,利用SQL命令滤除无关属性 ,形成基于某种概念分层的归纳数据库或汇总数据库。针对数据库中的属性 ,利用非监督学习算法 ,获取相应聚类 ,从而形成面向任务的目标数据子集 ,以保证数据挖掘结果的质量和有效性     

基于自适应聚类的数据预处理算法Ⅰ

提出了KDD的一种逻辑模型。以数据库或数据仓库中的数据为例，根据先验知识或可能的挖掘目标，利用SQL命令滤除无关属性，形成基于某种概念分层的归纳数据库或汇总数据库。针对数据库中的属性，利用非监督学习算法，获取相应聚类，从而形成面向任务的目标数据子集，以保证数据挖掘结果的质量和有效性。     

基于粗糙集理论的面向属性概念格动态压缩

形式概念分析是知识获取的一种有效工具,已被广泛应用到各个领域。本文提出了一种面向属性概念格动态压缩的新方法。首先,利用依赖空间的理论,讨论了同余关系和面向属性概念格之间的联系;其次,基于同余关系给出了面向属性概念格约简的定义并证得约简集是保持同余划分不变的最小属性子集;最后,给出了面向属性概念格动态压缩的新方法。     

用于知识规则挖掘的粗集归纳中类化方法的研究

针对将面向属性的归纳和粗糙集理论相结合的现有类化方法中存在的属性概化过重地依赖于阚值控制以及没有考虑属性动态变化的缺陷，提出了一种新的类化方法，即通过对分层类化方法的研究，在考虑最小信任度和最小支持率两因素的前提下，提出了粗粒度和细粒度区化方法．将设计的方法用于基于粗糙集理论的知识规则挖掘中，从玻璃碎片的动态数据库中提取了有效规则．交通肇事逃逸侦破系统的应用实践验证了方法的有效性．     

地理信息的超图时空数据挖掘

论文主要研究了在超图模型的支持下,基于Arcinfo的完全关系地理型数据库Geodatabase,建立面向属性归纳的地理信息超图时空数据挖掘方法。     

基于概念相容性的概念树自动生成算法

在面向属性归纳(AOG)的数据挖掘中,属性归约及概念归纳都离不开概念层次.而概念层次一般都是先验的,当出现概念层次中没有的新的概念时,无法进行归纳.以属性论为基础的概念相容测度,将概念层次单纯的文字表示转换为其定性基准的表示,给出了名称型属性的概念层次树的动态生成算法.当有新的属性值出现时,可以不用重新生成概念树,只需调用该算法,将新的属性值插入已有概念层次树即可.从而可以让概念归纳与修改概念层次同时进行,使AOG具有了动态归纳的特性.     

决策形式背景面向属性与面向对象的决策规则

决策形式背景是形式概念分析的重要研究内容,决策形式背景的知识体现为决策规则。文中提出了面向对象与面向属性概念格的决策规则,给出了决策规则的语义解释;刻画了面向属性概念格的决策规则与基于Wille概念格的决策规则的关系,给出了一种属性集协调性判别方法。