基于粗糙集的分类关联规则挖掘算法研究

摘要：

本文给出了一种将属性约简和分类关联规则挖掘相结合的新型分类挖掘系统的算法(CARMA).它运用粗糙集理论把关系数据库按属性值分成若干等价类、约简冗余属性及依赖属性,然后对数据约简后的目标关系表求取分类支持度大于阈值的强类和特征置信度大于阈值的强特征,从而有效获取强类中的强特征的决策关联规则.实验结果表明,CARMA对于数据的分类是有效的,比其它算法具有更高的分类精度和效率.它能够有效地克服Ⅲ3系列算法的冗余性、复杂性和对大数据量的不适应性,对增量数据能够达到较好的分类效果和具有广泛的应用前景.本文关键讨论了具体的算法、系统框架和实例.

关键词：粗糙集、属性约简、分类挖掘、分类支持度、特征置信度

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

在线出版日期：2008-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：171-174