具最小歸納成本之屬性導向歸納法 ;Attribute Oriented Induction Methods with Minimal Induction Cost

NCUIR > School of Management at National Central University > Department of Information Management > Research Project > Item 987654321/76228

Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/76228

Title:	具最小歸納成本之屬性導向歸納法;Attribute Oriented Induction Methods with Minimal Induction Cost
Authors:	陳彥良
Contributors:	國立中央大學資訊管理學系
Keywords:	資訊科學--軟體;屬性導向歸納法;分群演算法;基因演算法;貪婪演算法;一般化表格;Attribute-Oriented Induction;Clustering;Genetic algorithm (GA);Greedy Algorithm;Generalized Table
Date:	2018-08-01
Issue Date:	2018-05-02 17:18:02 (UTC+8)
Publisher:	科技部
Abstract:	屬性導向歸納方法的目的乃要從關連表格中，找出資料的一般化特徵。過去的屬性導向歸納方法雖然能歸納出一個一般化表格來描述原關連資料的特徵，但傳統方法的缺點是它們缺乏一個可以衡量一般化資料好壞的明確定義，所以傳統方法不能保證找出具有最佳歸納效果的一般化資料。據此，本研究提出一般化表格歸納成本的定義，在此基礎上，本研究進一步提出三個方法以找出具最佳歸納效果的一般化表格，第一個方法是套用傳統聚合群組概念的演算法，此方法的優點在於它根據歸納成本的大小來引導每一次的群組合併，因此可以快速地找出更低歸納成本的一般化表格。第二個方法是套用GA 概念的演算法，它的效率雖較差，但它所找出的一般化表格，其歸納成本預期可以接近最佳解，因為它透過每一世代交配與突變的演化動作，不斷往最佳解趨近。第三個方法背後的理念是：資料主要包含兩部分，資訊與雜訊。因此如果能過濾雜訊卻保留資訊，則可以得到對資料最佳之歸納效果。因此第三個方法在最多可以過濾x%雜訊資料前提下，找出歸納成本最低的一般化表格。
Relation:	財團法人國家實驗研究院科技政策研究與資訊中心
Appears in Collections:	[Department of Information Management] Research Project

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	337	View/Open

社群 sharing

Loading...