一种基于云理论的空间关联规则提取算法.pdf

文档介绍：您 的 论 文 得 到 两 院 院 士 关 注 数 据 库 数 据 仓 库 数 据 挖 掘
云的数字特征用期望值 ��、熵 ��、超熵 �� 三个数值来表 创
近年 来 � 数据 挖 掘 和 知 识 发 现����� ������ ��� ��������� 征� 它把模糊性� 定性概念的亦此亦彼性 � 和随机性 � 隶属度的
���������� �����成 为 计 算机 领 域 的研 究 热 点 � 空 间 数 据挖 掘 随机性� 完全集成到一起� 构成定性和定量相互间的映射� 作为 新
和 知 识 发 现 �������� ���� ������ ��� ��������� ���������� 知识表示的基础。
������也开始引起重视。在空间数据挖掘和知识发现研究中� 期望值 ��� 是概念在论域中的中心值� 是最能代表这个定
人们主要集中于对空间数据挖掘算法的研究� 而对知识表达、 性概念的值� 换句话说� 它 ����地隶属于这个定性概念。
定量定性转换、不确定性推理等一些基础性关键问题则研究得 熵 ��� 是定性概念模糊度的度量� 反映了在论域中可被这
较少� 基本上是沿用人工智能以往的研究成果。 个概念所接受的数值范围� 体现了定性概念亦此亦彼的裕度。
文章将云理论引入空间数据挖掘领域� 系统地研究了云理 熵越大� 概念所接受的数值范围也越大� 概念越模糊。
论用于空间关联规则挖掘的基础理论和方法� 提出了一种基于 超熵 ��� 可谓熵 �� 的熵� 反映了云滴的离散程度。超熵越
云理论的空间关联规则提取算法。 大� 云滴离散度越大� 隶属度的随机性越大� 云的“厚度”也越大。
� 云理论简介 � 基于云理论的空间关联规则