概念层次树造句

• 通过实验我们可以看出,利用概念层次树来进行快速过滤,能达到50 %以上的过滤效果和97 %以上的准确度。
• 通常，无论是领域专家定义还是自动生成概念层次树，概念层次树的构造有自顶向下和自底向上两种方式。
• 概念层次树（Concept Hierarchy Tree）是数据库中备属性值和概念依据抽象程度不同而构成的一个层次结构，是属性的一种概括语义描述。
• 概念层次树作为数据分类的方法，可以将大量详细的细节数据总结上升到较高的概念层，为数据挖掘的各个步骤提供背景知识，提高知识的准确性和可理解性。
• 在数据挖掘中领域知识的表示方法有其不同特点，针对概念层次树形式的领域知识，提出两种算法dklt和dkltm ，并通过实验加以验证；针对概念层次图形式的领域知识，初步讨论了算法dklg 。
• 本文针对已有数据分类算法的不足，采用“变间隔分割初始区间”和“概念层次构建与概念提升同步”的方式“自底向上”地构建概念层次树，提出并实现了基于概念层次树的数据挖掘改进算法。
• 概念层次树可由领域内的专家提供，但在实际评估中，因为数据规模很大，协调专家之间的意见非常困难，人工定义大型的概念层次树亦不合理、不现实，且提供的概念层次树可能是最一般的概念层次树，常包含全部可能的属性值以及它们对应的全部可能的父概念。