摘要：针对信息表中的规则提取问题,应用粗糙集理论对其中的属性约简、属性值问题进行了研究,提出了一种基于可辨识向量的规则提取方法。根据粗糙集中的不可分辨关系建立了可辨识向量,利用可辨识向量的加法法则运算只需要对信息表扫描一次,就可以得到信息表的核属性集以及信息表的一个属性约简。在此基础上,利用条件属性与决策属性之间的对应关系,对信息表中的每条规则通过删除冗余属性值完成信息表的属性值约简,最终实现规则提取。数值实例和试验表明本算法是有效可行的。

摘要：首先对关联规则挖掘问题进行了简单的回顾,然后应用关系理论思想,引入了项目可辨识向量及其“与”运算,设计了一种快速挖掘算法SLIG,将频繁项目集的产生过程转化为项目集的关系矩阵中向量运算过程。算法只需扫描一遍数据库,克服了Apriori及其相关算法产生大量候选集和需多次扫描数据库的缺点。实验证明,与Apriori算法相比,SLIG算法提高了挖掘效率。

摘要：采掘关联规则是知识发现领域的一个重要问题 ,文中对采掘关联规则问题进行了简单的回顾 ,分析了传统的关联规则Apriori算法的优缺点 ,设计了一种基于事务数据库的快速采掘算法TB -MA。实例证明 ,与Apriori算法相比 ,TB -MA算法削减了数据库遍历次数 ,提高了采掘效率 。