基于扩展粗糙集模型的近似概念格规则挖掘研究 (2009年)

【文件属性】：
文件名称：基于扩展粗糙集模型的近似概念格规则挖掘研究 (2009年)
文件大小：694KB
文件格式：PDF
更新时间：2021-04-23 22:03:32
自然科学 论文 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 ( LCRA)。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。