多维概念格与关联规则发现

计算机应用 ›› 2010, Vol. 30 ›› Issue (4): 1072-1075.

多维概念格与关联规则发现

郭显娥¹,王俊红²

1. 山西大同大学数学与计算机科学学院
2.

收稿日期:2009-11-02 修回日期:2009-12-07 发布日期:2010-04-15 出版日期:2010-04-01
通讯作者: 郭显娥

Multi-dementional concept lattice and association rules discoverey

Received:2009-11-02 Revised:2009-12-07 Online:2010-04-15 Published:2010-04-01
Contact: GUO xiane

摘要/Abstract

摘要： 在引用多维数据序列对概念内涵进行不同维度的描述的基础上，提出了多维概念格的形式化定义及其构造方法；并给出了基于多维概念格的关联规则提取方法，该方法通过发现最大频繁多维数据序列研究不同维度属性之间的依赖关系。实例表明，多维概念格利于发现内容更丰富的有用信息。

关键词: 多维概念格, 维度, 多维数据序列, 最大频繁数据序列

Abstract: Based on the description of deferent dimension of concept intent using multi-dimensional data sequence, formal definition and construction method of multi-dimensional concept lattice were proposed in the paper. Also the association rules discovery method based on multi-dimensional concept latticewas given, which studied dependence relation among deferent dimension attributes thought discovering biggest frequent multi-dimensional data sequence. Examples show that multi-dimensional concept lattice helps to discover richer useful information.

Key words: multi-dimensional concept lattice, dimensionality, multi-dimensional data sequence, maximal frequent data sequence

郭显娥王俊红. 多维概念格与关联规则发现[J]. 计算机应用, 2010, 30(4): 1072-1075.

[1]	宋洪涛, 于江生, 韩启龙. 工业多元时序数据质量评估方法[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1743-1750.
[2]	张瑜, 昌燕, 张仕斌. 基于量子局部内在维度的对抗样本检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 490-495.
[3]	吕振虎, 许新征, 张芳艳. 基于挤压激励的轻量化注意力机制模块[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2353-2360.
[4]	欧跃发, 杨鸣坤, 慕德俊, 柯捷, 马文涛. 基于广义最大Versoria准则的稀疏自适应滤波算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3325-3331.
[5]	刘革, 郑叶龙, 赵美蓉. 基于RetinaNet改进的车辆信息检测[J]. 计算机应用, 2020, 40(3): 854-858.
[6]	黎万英, 黄瑞章, 丁志远, 陈艳平, 徐立洋. 基于用户行为特征的多维度文本聚类[J]. 计算机应用, 2018, 38(11): 3127-3131.
[7]	林凯, 陈国初, 张鑫. 多交互式人工蜂群算法及其收敛性分析[J]. 计算机应用, 2017, 37(3): 760-765.
[8]	朱杰, 吴树芳, 谢博鋆, 马丽艳. 基于颜色的压缩层次图像表示方法[J]. 计算机应用, 2017, 37(11): 3238-3243.
[9]	王珊珊, 冷甦鹏. 面向移动社会网络的好友推荐方法[J]. 计算机应用, 2016, 36(9): 2386-2389.
[10]	康松林, 刘乐, 刘楚楚, 廖锓. 多层极限学习机在入侵检测中的应用[J]. 计算机应用, 2015, 35(9): 2513-2518.
[11]	王少华, 狄岚, 梁久祯. 基于核与局部信息的多维度模糊聚类图像分割算法[J]. 计算机应用, 2015, 35(11): 3227-3231.
[12]	李冬睿许统德. 自适应邻域选择的数据可分性降维方法[J]. 计算机应用, 2012, 32(08): 2253-2257.
[13]	罗先贤. 数据仓库在城市公共建筑能耗管理中的应用[J]. 计算机应用, 2011, 31(10): 2853-2857.
[14]	张乐珊陈戈韩勇张涛. 基于三维盒维数算法的城市分维计算[J]. 计算机应用, 2010, 30(8): 2070-2072.
[15]	陶剑文赵杰煜. 一种优化的基于LPI的文档索引算法FLPI[J]. 计算机应用, 2008, 28(6): 1566-1569.