基于扩展粗糙集模型的近似概念格规则挖掘研究

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具，已被广泛应用于许多领域。在对粗糙集和概念格基本理论研究基础上，提出了利用扩展粗糙集模型对概念格近似使其得以改进，即在概念格中引入β多数蕴涵关系实现概念格中结点近似合并以及近似概念格(acl)的构建，由此提出概念格粗糙近似和规则挖掘算法(lcra)。最后通过uci机器学习数据库相关测试表明该算法的可行性和有效性。