基于鄰域粗糙集增量式屬性約簡算法的研究與應用.pdf

1、數據挖掘中一項重要的技術是分類技術。數據約簡作為一種常見的數據挖掘手段，可以將數據集中不重要或者不相關的冗余屬性剔除掉而又不改變原有數據的分類能力?；诖植诩碚摰膶傩约s簡是一種重要的數據約簡方法。但傳統(tǒng)粗糙集作為一種處理不確定數據的理論，雖被廣泛用于數據挖掘技術中，卻有著只能處理離散型數據的局限性，面對現實中一些連續(xù)型數據時無法直接處理。而其拓展出的鄰域粗糙集理論能夠較好處理連續(xù)和混合型數據，具有很高的研究意義。目前在傳統(tǒng)粗糙集上的屬

2、性約簡算法已經有很多，但絕大多數并不適用于鄰域粗糙集模型，為此本文針對鄰域粗糙集上的屬性約簡理論和應用兩方面做了以下研究：
　　首先，深入研究了現有的鄰域粗糙集屬性約簡算法，特別是增量式算法，指出目前基于鄰域粗糙集增量式算法中所存在的問題，包括更新可辨識矩陣出現的錯誤以及屬性約簡時情況考慮不周全等。
　　其次，針對現實數據中對象數不斷增加的特點，提出一種基于鄰域可辨識矩陣元素集的增量式屬性約簡算法。根據原有約簡結果和新增對象

3、，在分析其可辨識矩陣差異的條件下，快速得到新的約簡結果，避免了重復的計算，提高了算法效率。并通過實例與實驗驗證了其正確性和有效性。
　　最后，在研究了目前針對股票市場股價預測的一些數據挖掘方法的基礎上，利用基于可辨識矩陣元素集的增量式屬性約簡算法與神經網絡結合，提出了一個預測股票收盤價的數據挖掘模型。運用本文提出的屬性約簡算法對真實數據中的屬性進行了約簡，然后利用神經網絡所建立的股價預測模型對約簡前后的兩種數據進行預測。屬性約簡之