基于马尔科夫毯的近似函数依赖挖掘算法

作     者：夏秀峰 刘朝辉 张安珍 XIA Xiufeng;LIU Zhaohui;ZHANG Anzhen

作者机构：沈阳航空航天大学计算机学院沈阳110136 

出 版 物：《沈阳航空航天大学学报》 (Journal of Shenyang Aerospace University)

年 卷 期：2023年第40卷第4期

页      面：8-18页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(项目编号:62102271) 

主　　题：函数依赖 近似函数依赖挖掘 马尔科夫毯 噪声数据 采样 左部属性 

摘      要：近似函数依赖挖掘方法通过放宽函数依赖成立条件,允许一定比例的违反,保证原本成立的函数依赖在噪声数据中仍然可以被挖掘出来。然而,现有的发现算法在放宽函数依赖成立条件之后,容易挖掘出大量左部属性数量较多的虚假函数依赖,导致挖掘结果的准确率显著降低。为了解决这一问题,提出基于马尔科夫毯的近似函数依赖挖掘算法,利用马尔科夫毯剪枝左部属性搜索空间,缩小决定项的候选集合,并通过向下泛化算法减少了误差的计算次数,同时降低了复杂度。在保证不丢失真实函数依赖的前提下,避免了近似函数依赖过拟合,从而提高了挖掘结果的准确率。实验结果表明,该方法在真实数据集和合成数据集上的准确率优于现有的近似函数依赖挖掘方法。