基于概念格的多值屬性關(guān)聯(lián)規(guī)則可視化挖掘.pdf

1、多值關(guān)聯(lián)規(guī)則可視化挖掘是借助可視化技術(shù)來描述數(shù)據(jù)庫中多值數(shù)據(jù)項(xiàng)（屬性、變量）之間存在的潛在頻繁模式和相關(guān)關(guān)系?？梢暬夹g(shù)能夠無縫的集成到關(guān)聯(lián)規(guī)則發(fā)現(xiàn)過程中，將挖掘結(jié)果直觀清晰地展現(xiàn)出來，用戶能夠更快、更容易地識別出隱藏在數(shù)據(jù)內(nèi)部的有用信息，提高決策效率。作為知識的一種可視化表現(xiàn)形式，概念格已經(jīng)被人們應(yīng)用到數(shù)據(jù)挖掘領(lǐng)域。文章利用概念格理論提出了多值屬性關(guān)聯(lián)規(guī)則可視化挖掘解決方案，通過數(shù)據(jù)源可視化、交互式參數(shù)調(diào)整與可視化挖掘過程、多值屬性關(guān)

2、聯(lián)規(guī)則挖掘算法、頻繁項(xiàng)集與關(guān)聯(lián)規(guī)則的可視化以及關(guān)聯(lián)規(guī)則的知識表示等機(jī)制，使用戶可不依賴領(lǐng)域?qū)＜抑苯舆M(jìn)行關(guān)聯(lián)規(guī)則可視化挖掘。該方案在提高挖掘效率的同時(shí)，提高了挖掘結(jié)果的可用性。
　　 論文以研究和實(shí)現(xiàn)基于概念格的多值屬性關(guān)聯(lián)規(guī)則可視化挖掘?yàn)楹诵?，主要做了以下幾方面工?
　　 1.運(yùn)用概念格理論給出了適合關(guān)聯(lián)規(guī)則可視化挖掘的多值屬性數(shù)據(jù)分類，并建立了較為完善的挖掘過程參數(shù)調(diào)整機(jī)制。
　　 根據(jù)某省全員人口數(shù)據(jù)的特點(diǎn)

3、，結(jié)合概念格理論給出了適合多值屬性關(guān)聯(lián)規(guī)則可視化挖掘的多值背景定義，將其分為數(shù)值型多值屬性、區(qū)間型多值屬性和類別型多值屬性三類;建立了以支持度、置信度、關(guān)鍵屬性因子和概念層因子為基礎(chǔ)的參數(shù)調(diào)整機(jī)制，在整個(gè)挖掘過程中通過調(diào)整相關(guān)參數(shù)的大小來挖掘相應(yīng)的頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則，方便用戶選擇關(guān)鍵屬性值進(jìn)行規(guī)則挖掘分析，提高算法運(yùn)行速度和挖掘效率。
　　 2.提出了基于關(guān)鍵屬性因子和概念層因子的Apriori改進(jìn)算法。
　　 針對傳統(tǒng)

4、關(guān)聯(lián)規(guī)則挖掘算法用戶無法選擇關(guān)鍵數(shù)據(jù)進(jìn)行分析、不利于處理多值屬性數(shù)據(jù)及效率低下等問題，提出了基于關(guān)鍵屬性因子KAF因子和概念層因子CHF因子的Apriori改進(jìn)算法進(jìn)行多值屬性關(guān)聯(lián)規(guī)則挖掘。同Apriori算法相比，改進(jìn)后的挖掘算法在執(zhí)行速度和挖掘效率上具有更好的性能表現(xiàn)。
　　 3.給出了基于概念格的多值屬性關(guān)聯(lián)規(guī)則可視化方法。
　　 由于傳統(tǒng)關(guān)聯(lián)規(guī)則可視化方法無法展現(xiàn)數(shù)據(jù)間的頻繁模式和關(guān)系、缺乏多模式展現(xiàn)形式等，提出

5、了一種新的多值屬性關(guān)聯(lián)規(guī)則可視化算法。通過引入概念格把多值屬性數(shù)據(jù)項(xiàng)有機(jī)地組織起來，使數(shù)據(jù)之間的關(guān)系通過概念格節(jié)點(diǎn)的泛化與特化關(guān)系直觀地體現(xiàn)出來，不僅便于用戶對頻繁項(xiàng)集進(jìn)行可視化展示和動(dòng)態(tài)分析，而且實(shí)現(xiàn)了一對一、一對多、多對一、多對多以及概念分層的多模式關(guān)聯(lián)規(guī)則可視化展示。
　　 4.給出了基于概念圖的關(guān)聯(lián)規(guī)則知識表示方法。
　　 鑒于傳統(tǒng)關(guān)聯(lián)規(guī)則表示方式無法展現(xiàn)領(lǐng)域知識、數(shù)據(jù)項(xiàng)間的關(guān)系及規(guī)則中所隱含的信息等問題，提出了