基于粗糙集的圖書銷售信息離群數(shù)據(jù)檢測(cè).pdf

1、本文把目前流行的粗糙集屬性約簡(jiǎn)算法運(yùn)用到銷售數(shù)據(jù)的離群檢測(cè)與分析。離群數(shù)據(jù)挖掘是數(shù)據(jù)挖掘的一個(gè)分支，目前在很多領(lǐng)域得到運(yùn)用，挖掘出來(lái)的數(shù)據(jù)不再是當(dāng)作噪聲數(shù)據(jù)去掉，具有一定的價(jià)值和實(shí)用性。本文設(shè)計(jì)了一種基于相異度的離群數(shù)據(jù)挖掘算法，其基本思想是：首先運(yùn)用正區(qū)域約簡(jiǎn)算法來(lái)求取圖書數(shù)據(jù)集的相對(duì)約簡(jiǎn)，消除冗余屬性，再運(yùn)用相異度公式進(jìn)行離群數(shù)據(jù)的檢測(cè)，加快了離群檢測(cè)的速度。本文主要的研究工作包括：
　　 對(duì)目前流行的粗糙集理論進(jìn)行了介紹，

2、并分析了三種主要粗糙集約簡(jiǎn)算法，即基于區(qū)分矩陣的屬性約簡(jiǎn)算法、基于信息熵的屬性約簡(jiǎn)算法和基于代數(shù)形式的屬性約簡(jiǎn)算法。本文采用了正區(qū)域的屬性約簡(jiǎn)算法，此算法更貼近粗糙集的約簡(jiǎn)本質(zhì)，算法簡(jiǎn)單，且容易理解。
　　 深入研究各種離群數(shù)據(jù)的挖掘模型的優(yōu)劣，設(shè)計(jì)了一種基于相異度的離群數(shù)據(jù)挖掘算法，此算法的基本思想是：運(yùn)用粗糙集的正區(qū)域?qū)傩约s簡(jiǎn)算法將高維數(shù)據(jù)集降為低維數(shù)據(jù)集，再利用改進(jìn)后的相異度公式對(duì)此約簡(jiǎn)后的數(shù)據(jù)集進(jìn)行離群數(shù)據(jù)的檢測(cè)。同時(shí)通