导读:本文包含了扩展概念格论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概念,数据挖掘,规则,层次,归纳,属性,新颖性。
扩展概念格论文文献综述
翟悦,郭文书,王立娟[1]（2015）在《利用扩展概念格进行关联分类的算法》一文中研究指出针对关联分类规则产生的候选规则过多导致效率不高的问题,提出一种基于频繁闭项集组成的扩展概念格的分类规则获取方法.利用频繁闭项集提出一种新的概念格模型,通过性质和定理对概念格结点进行剪枝,以抽取分类尽量少且最有效的关联分类规则.研究结果表明:该算法能挖掘出高质量且包含重要信息的关联分类规则,并大大减少关联分类规则的数量,在分类准确率上比现有的关联分类典型算法更高.(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2015年11期）
姜峰,范玉顺[2]（2010）在《基于扩展概念格的Web关系挖掘》一文中研究指出针对Web服务因缺少有效的组织和管理机制而产生的应用瓶颈问题,引入基于概念覆盖度函数的扩展概念格,通过构建基于输入和输出参数的Web服务集的扩展概念格模型,给出了Web服务间等价、替代和流关系的离线挖掘算法以及增量和减量的在线更新算法.在真实Web服务集上的测试结果表明,扩展概念格模型是Web服务集的一种有效的组织形式,可用于Web服务关系的自动挖掘和维护,从而为Web服务的选择、优化和组合提供智能支持.(本文来源于《软件学报》期刊2010年10期）
周顽,周才学[3]（2010）在《基于扩展概念格模型的文本分类规则提取的研究》一文中研究指出文本分类是信息检索与数据挖掘领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展。概念格是规则提取和数据分析的有效工具,然而概念格的构造效率始终是概念格应用的一大难题。本文研究了基于扩展概念格模型的文本分类规则提取,利用粗糙集和扩展概念格模型来进行分类规则提取。该方法利用概念树,极大地除去了冗余的概念,只需要建造很少的概念就能够提取出全部的分类规则,不仅效率较高,而且同时提取的分类规则与概念格相同。本文算法在MATLAB7.0的环境中运行的实验表明,查全率比KNN算法和SVM算法稍低,但是查准率比它们都高,因此该分类规则用于文本分类时效果与KNN和SVM相当。(本文来源于《计算机工程与科学》期刊2010年08期）
王德兴,胡学钢,刘晓平,黄冬梅[4]（2009）在《基于扩展概念格的属性归纳算法》一文中研究指出由于面向属性归纳在进行属性归纳时难以设置适当的阈值,往往会造成概念提升的结果过于一般化或特殊,为此提出了基于扩展概念格的属性归纳算法.在扩展概念格中进行概念提升实现数据泛化,并根据相应的泛化路径,在相应哈斯图上找到合适的泛化阈值,进而得到较好的属性归纳结果.研究结果表明,基于扩展概念格的属性归纳算法在进行属性归纳过程中保留了完备的信息,减少了属性归纳的计算工作量,并具有直观、简捷的特点.(本文来源于《上海交通大学学报》期刊2009年03期）
王德兴,胡学钢,刘晓平[5]（2009）在《量化扩展概念格的属性归纳及多粒度规则挖掘》一文中研究指出在知识发现过程中用户感兴趣的往往是一些高层次、适当概括的简化信息,面向属性的归纳是目前主要的数据归约方法,一般是仅考虑原始数据所提供简单的统计信息;而基于量化扩展概念格的属性归纳算法,既可进行AOI的单一属性归纳,也能进行多层、多属性的归纳,而且泛化的路径不是唯一的,在量化扩展概念格的哈斯图很容易找到合适的泛化路径和阈值,得到满足用户要求合理的属性归纳结果,同时可以多层、多维的不同粒度的关联规则,有助于不同粒度知识的聚焦,发现不同粒度知识之间的变换关系.(本文来源于《系统工程学报》期刊2009年01期）
李瑞,耿浩,康良玉[6]（2008）在《扩展概念格的动态创建及其上的关联规则发现》一文中研究指出关联规则作为数据挖掘的核心任务现已经得到了广泛的研究。而由二元关系导出的概念格是一种非常有用的形式化工具,它体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念间的泛化与例。扩展概念格是对概念格的一种改进。提出了一种动态构造扩展概念格的方法,并在扩展概念格上实现了简洁的关联规则算法。(本文来源于《科学技术与工程》期刊2008年14期）
王德兴,胡学钢,刘晓平,黄冬梅[7]（2007）在《基于量化扩展概念格的属性归纳算法》一文中研究指出在知识发现过程中用户感兴趣的往往是一些高层次、适当概括的简化信息,面向属性的归纳是目前主要的数据归约方法,一般是仅考虑原始数据所提供简单的统计信息.本文提出的基于量化扩展概念格的属性归纳算法,采用概念的爬升进行相应的泛化来完成多层、多属性归纳.与面向属性归纳算法比较,该算法的泛化路径不是唯一的,在量化扩展概念格的哈斯图中容易找到合适的泛化路径和阈值,得到满足用户要求合理的属性归纳结果,以提供用户所需的不同粒度的知识.(本文来源于《模式识别与人工智能》期刊2007年06期）
王燕,李明[8]（2007）在《基于扩展概念格的分类规则获取算法》一文中研究指出概念格是进行数据挖掘和规则提取的有力工具,通过分析概念格中概念的特征,提出了扩展概念格以及基于扩展概念格的分类规则获取算法。实验表明该算法能够生成简洁并且易于理解的规则集。(本文来源于《计算机应用》期刊2007年10期）
王德兴,刘晓平[9]（2006）在《基于量化扩展概念格模板优化组合的规则挖掘》一文中研究指出模板广泛应用于工程设计,如何寻找最优的模板组合与设计模式匹配是工程设计的核心问题。将知识发现中关联规则挖掘思想引入模板优化组合问题,采用量化扩展概念格的关联规则算法及其优化方法寻找合理的、最优的模板组合,提高了工程设计的效率。(本文来源于《计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（下册）》期刊2006-07-01）
马冯[10]（2006）在《基于扩展概念格的多数据源分类知识融合问题研究》一文中研究指出数据挖掘领域里,分类问题一直以来都是的一个重要研究分支。在当前多数据源数据日益普及的情况下,对数据挖掘领域中分类问题的研究也提出了新的挑战,例如如何从多个数据源中提取出分类知识,并加以有效的融合。因此,研究一种有效的多数据源分类知识融合方法已成为当前数据库中知识发现的一个重要的研究方向。 概念格,是一种通过概念间的内涵和外延以及例化和泛化的关系来表示知识的模型。在概念格的内涵中引入等价关系,便可得到概念格的扩展模型,即扩展概念格,这种模型更加有利于分类知识的提取。本文的主要研究内容如下: 1.采用基于扩展概念格的方式,首先在每个数据源上建立对应的扩展概念格,然后从中提取出所需的分类知识,再加以有效的融合。文中涉及到了两种方式的知识表现形式:分类规则和分类子格,和与它们相对应的两种融合机制。对于这两种融合机制所得到的分类知识的完备性,都在文中给与了理论证明和实验验证。 2.对概念格扩展模型采用预剪枝的策略,来抑制过拟合现象的出现。概念格扩展模型具有较高的模型复杂度,一方面使其能够对训练数据集进行十分准确的分类,另一方面有会使得它很容易引起模型“过度拟合”现象的出现,从而影响到分类器在实际测试数据上的准确率;对此文中采用了对格进行预剪枝的方法,阻止格中部分不必要的分支的出现,从而降低模型的复杂度,避免模型过度拟合现象的出现。 3.在上述研究工作的基础上,实现了基于多扩展概念格的分类知识发现原型系统。(本文来源于《合肥工业大学》期刊2006-04-01）
扩展概念格论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对Web服务因缺少有效的组织和管理机制而产生的应用瓶颈问题,引入基于概念覆盖度函数的扩展概念格,通过构建基于输入和输出参数的Web服务集的扩展概念格模型,给出了Web服务间等价、替代和流关系的离线挖掘算法以及增量和减量的在线更新算法.在真实Web服务集上的测试结果表明,扩展概念格模型是Web服务集的一种有效的组织形式,可用于Web服务关系的自动挖掘和维护,从而为Web服务的选择、优化和组合提供智能支持.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
扩展概念格论文参考文献
[1].翟悦,郭文书,王立娟.利用扩展概念格进行关联分类的算法[J].辽宁工程技术大学学报(自然科学版).2015
[2].姜峰,范玉顺.基于扩展概念格的Web关系挖掘[J].软件学报.2010
[3].周顽,周才学.基于扩展概念格模型的文本分类规则提取的研究[J].计算机工程与科学.2010
[4].王德兴,胡学钢,刘晓平,黄冬梅.基于扩展概念格的属性归纳算法[J].上海交通大学学报.2009
[5].王德兴,胡学钢,刘晓平.量化扩展概念格的属性归纳及多粒度规则挖掘[J].系统工程学报.2009
[6].李瑞,耿浩,康良玉.扩展概念格的动态创建及其上的关联规则发现[J].科学技术与工程.2008
[7].王德兴,胡学钢,刘晓平,黄冬梅.基于量化扩展概念格的属性归纳算法[J].模式识别与人工智能.2007
[8].王燕,李明.基于扩展概念格的分类规则获取算法[J].计算机应用.2007
[9].王德兴,刘晓平.基于量化扩展概念格模板优化组合的规则挖掘[C].计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（下册）.2006
[10].马冯.基于扩展概念格的多数据源分类知识融合问题研究[D].合肥工业大学.2006
论文知识图
