基于扩展粗糙集模型的近似概念格规则挖掘研究OACSTPCD
Research of Approxima Concept Lattice and Rules Mining Based on Extended Rough Sets Model
粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域.在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格(ACL)的构建,由此提出概念格粗糙近似和规则挖掘算法(LCBA).最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性.
丁卫平;管致锦;石振国
南通大学,计算机科学与技术学院,江苏,南通,226019南通大学,计算机科学与技术学院,江苏,南通,226019南京航空航天大学,信息科学与技术学院,江苏,南京,210016
信息技术与安全科学
粗糙集β-多数蕴涵关系近似概念格规则挖掘
《南京邮电大学学报（自然科学版）》 2009 (2)
10-15,6
国家自然科学基金-微软亚洲研究院联合项目(60873069)、江苏省高校自然科学基础研究项目(07KJB520096)、南通市应用研究计划(K2008031)、南通大学自然科学基金(052061)、南通大学通信与信息系统学科科技创新资助项目
评论