基于概念格的规则提取算法研究及改进_赵凯 (1).pdf

《基于概念格的规则提取算法研究及改进_赵凯 (1).pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、科技通报第28卷第2期Vol.28No.22012年2月BULLETINOFSCIENCEANDTECHNOLOGYFeb.2012基于概念格的规则提取算法研究及改进赵凯（淄博职业学院，山东淄博255314）摘要：提出了一个基于概念格的规则算法的改进算法。该算法可以大大提高数据挖掘的效率，提高查找时的速度。关键词：数据挖掘；概念格；算法中图分类号：TP399文献标识码：A文章编号：1001-7119（2012）02-0123-03ConceptLatticebasedRuleExtractionAlgo

2、rithmResearchandImprovementZHAOKai（ZiboVocationalInstitute,Zibo255314，China）Abstract：Thispaperpresentsarulesbasedonconceptlatticealgorithmtoimprovethealgorithm,thisalgorithmcangreatlyimprovetheefficiencyofdatamining,improvethesearchspeed.Keywords：datamin

3、ing；conceptlattice1关联规则挖掘算法对每个规则的支持度和信任度不能很好地支持，只支持满足本身支持度和信任度的相关规则。关联规则挖掘就是从数据库中挖掘出所有的强关2.2算法的描述联规则和数据。它可以分为以下几个问题：S是一个规则集合，F=Xi是闭合集合S中的大部分（1）在事务数据库中找出所有的相关频繁数据项规则闭合子集中的集合。目集。即找出用户指定的最小关联频繁数据项，而且要MaYjmalOenerators(Y,S);不小于指定的项目集。Omax(Y)=ф；（2）在事务数据库找出的频繁

4、数据项目集，经过J=Y-Yj；//集合X中的新项目集一系列动作，产生相关的强关联规则。Forallj∈J//每一个子集项目作为最大生成器maxmaxO(Y)=O(Y)∪{j}；2算法改进O1={j

5、j∈Y-J}；//剩余的项目集t=1；WhjleOT≠ф2.1算法的提出FORALLO∈OT新的算法相对以前的规则产生集来说，大大减少UJFOYjFORALLYj∈S了规模，并且大大提高了相应的数据挖掘的效率。为了maxmaxO(Y)=O(Y)∪{O}；和以前的传统规则的产生集相区别，我们把这个新的Ot=Ot

6、–O；产生集称为组规则产生集。它和传统的提取规则算法//做为下一轮的候选最大生成器相比，由于产生集的规模大大减少了，由此，用户可以A很好地理解相应的规则，更容易推导出其他的新规则，Ot+1={O’=j1…jtjt+1

7、1jt+1,EOj∈Ot,Oj=j1…jj-1jj+1…jt+1}t=t+1；避免了大量的对用户来说无用的新规则的产生，对于创建一个新的概念格，从中取出相应的规则。设定大型的数据库来说，也避免了产生大量的规则产生集。支持度的最小值为A，信任度的最小值为B。但是该算法相对传统规则集来说也有不

8、足，比如新的收稿日期：2011-10-26作者简介：赵凯（1981-），硕士，助教，研究方向：网络数据库。124科技通报第28卷通过取出的规则，创建一个规则的最小集合C。因为num(A2+A1)=num(A)，所以说故A2==A1与步骤一：初始化C=0。根据获取的规则数计算求出C==minterion(An)-A1的支持度是一样的，但是信任度所需要的事务节点总数D，把事务节点总数D=n+1，并是不一样的。因此由A==minterion(Bn)+C且把事务节点数存储在创建的最小集合H中。可导出C==min

9、terion(An)-A1，用A2==A1和A2==步骤二：经过计算，求出H中所有的根节点和子节minterion(An)+C就可导出num(A2+A1)=num(A)。点的上级和下级节点中的指针数，然后求出最小指针通过上面的理论证明，同理可得，(A2<=Ai<=An(2<数Fmin和最大指针数Fmax。i

10、推导出来相应的组节点规则。经过计算求出子节点D的外延指数，自定义为q。3.2实例描述根据子节点D的外延指数，直接求出相应的上级把信任度设置为40%，支持度设置为5，创建一个和下级节点的数量，然后存储在最小集合H中。根节点0#，自定义3组数据，例如：（1）4，6，8，2，4，9；（2）根据规则生成一个产生集合相应的节点K和Kn，0，5，3，6，8，4；（3）5，7，8，3，5，1。从第一组数据开始搜他们之间的支持度和信任度都设置为最小，放入集