粗糙集理論在知識發(fā)現(xiàn)數(shù)據(jù)預(yù)處理中的研究與應(yīng)用.pdf

1、在對實際應(yīng)用領(lǐng)域進行知識發(fā)現(xiàn)的過程中，由于數(shù)據(jù)采集能力有限和數(shù)據(jù)存儲介質(zhì)損壞等未知情況，所獲取用于挖掘的數(shù)據(jù)系統(tǒng)往往是不完備的，即存在缺失數(shù)據(jù)。因為這種數(shù)據(jù)的不完備性給用來進行挖掘的數(shù)據(jù)模型引入了噪聲和不確定性，從而使得挖掘出的信息會出現(xiàn)矛盾和混亂的問題，這會嚴重影響知識發(fā)現(xiàn)中的數(shù)據(jù)挖掘過程和結(jié)果。粗糙集理論是由波蘭科學家 Z.Pawlak創(chuàng)立的一種處理數(shù)據(jù)模糊性和不確定性的數(shù)學理論工具，它在處理信息數(shù)據(jù)的過程中無需任何先驗的領(lǐng)域?qū)＜抑?/p>

2、識，具有一定的客觀性和通用性。因此，本文以粗糙集理論作為理論工具，研究它在數(shù)據(jù)預(yù)處理過程中解決數(shù)據(jù)缺失值問題中的應(yīng)用，并最終提出了一個粗糙集理論和關(guān)聯(lián)規(guī)則中頻繁項集的聯(lián)合處理模型。
　　首先，論文介紹了目前不完備信息系統(tǒng)中填補缺失值的主要方法，并分析了各自的優(yōu)缺點，尤其是在國內(nèi)較受關(guān)注的基于粗糙集理論的ROUSTIDA算法和國外的Closest Fit算法。在此基礎(chǔ)上提出了一種融合了粗糙集量化容差和屬性約簡知識的不完備信息系統(tǒng)處理

3、算法 RSF，該算法在描述缺失對象和備選填補對象之間的相似精度和算法運算復(fù)雜度上有明顯改善。通過實驗驗證，RSF方法與ROUSTIDA算法相比具有更高的填補精度，比Closest Fit算法擁有更低的運算復(fù)雜度。
　　其次，基于以往處理不完備信息系統(tǒng)算法中都忽略的備選填補對象在整個信息系統(tǒng)中的重要性問題。本文提出了一種用關(guān)聯(lián)規(guī)則中頻繁項集知識來對數(shù)據(jù)缺失值進行填補的方法，該方法簡便且能提高缺失值的填補精度。由于該方法中無法完成所有