基于粗集理論的數(shù)據(jù)挖掘方法及應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘是從存放在信息庫的大量數(shù)據(jù)中挖掘出有用知識的一種新技術(shù)。粗糙集理論作為一種處理不完全、不精確及不確定信息的有效方法，因其具有強(qiáng)大的數(shù)值分析能力，故在數(shù)據(jù)挖掘領(lǐng)域大有用武之地。目前基于粗糙集理論的數(shù)據(jù)挖掘技術(shù)已經(jīng)成為人工智能領(lǐng)域中一個新的研究熱點(diǎn)。 論文對數(shù)據(jù)挖掘技術(shù)進(jìn)行了深入的討論，介紹了其相關(guān)概念，針對其普遍存在的海量高維數(shù)據(jù)、信息不完備數(shù)據(jù)、可理解性等問題，提出一種基于粗糙集的數(shù)據(jù)挖掘方法。首先，詳細(xì)闡述了粗糙集的產(chǎn)

2、生、發(fā)展及其在數(shù)據(jù)挖掘領(lǐng)域中的應(yīng)用。其次，討論了粗糙集的約簡方法，利用粗糙集理論對數(shù)據(jù)樣本進(jìn)行約簡，獲取約簡的規(guī)則集，使得規(guī)則數(shù)目大為減少，充分地提高了數(shù)據(jù)的處理能力。接著針對粗集只能處理離散化的屬性，研究討論了各種連續(xù)屬性離散化方法。 論文中對目前神經(jīng)網(wǎng)絡(luò)也進(jìn)行了分析，并針對訓(xùn)練神經(jīng)網(wǎng)絡(luò)時由于樣本數(shù)據(jù)中含有大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)，造成的網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜以及計(jì)算速度慢等問題，提出了一種基于粗糙集的構(gòu)造神經(jīng)網(wǎng)絡(luò)

3、的方法，即運(yùn)用粗糙集方法對輸入樣本進(jìn)行約簡，確定神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個數(shù)。利用基于粗集的數(shù)據(jù)挖掘技術(shù)構(gòu)造的粗神經(jīng)網(wǎng)絡(luò)模型，具有計(jì)算簡單、收斂速度快等特點(diǎn)。 最后將該方法用于間歇式反應(yīng)釜，通過粗神經(jīng)網(wǎng)絡(luò)建模，從而實(shí)現(xiàn)對間歇式反應(yīng)釜的釜內(nèi)溫度的估計(jì)。仿真結(jié)果與實(shí)測數(shù)據(jù)比較表明，模型估計(jì)準(zhǔn)確，誤差小，與常規(guī)方法相比，網(wǎng)絡(luò)的訓(xùn)練時間短。 綜上，基于粗糙集的數(shù)據(jù)挖掘技術(shù)是一種有效的數(shù)據(jù)處理方法，它可以為建模與控制等研究工作提供有用