基于聚類的屬性約簡方法的研究與實(shí)現(xiàn).pdf

1、數(shù)據(jù)挖掘（Data Mining）是人工智能與數(shù)據(jù)庫領(lǐng)域當(dāng)前研究的一個(gè)熱點(diǎn)，引起了大量學(xué)者與專家的關(guān)注。在眾多的數(shù)據(jù)挖據(jù)的方向中，屬性約簡是其中的一個(gè)重要研究課題。一個(gè)原始的數(shù)據(jù)庫中有許多記錄，而且需要一定數(shù)量的屬性對(duì)這些記錄進(jìn)行描述。如果直接對(duì)這樣的原始數(shù)據(jù)庫進(jìn)行數(shù)據(jù)挖掘，其工作量非常大。而如果先對(duì)原始數(shù)據(jù)庫進(jìn)行屬性約簡，從原始的屬性中，根據(jù)用戶的需求提取出一部分有代表性的屬性子集，那么就能為以后的數(shù)據(jù)挖掘工作減少了許多工作量，同時(shí)能

2、使后面的數(shù)據(jù)挖掘工作更有針對(duì)性。 本文首先介紹了現(xiàn)有的數(shù)據(jù)挖據(jù)技術(shù)，并分析了目前國內(nèi)外屬性約簡的理論與方法，指出了現(xiàn)有的屬性約簡模式挖掘方法的成果與不足。針對(duì)存在的不足，提出了一些新的想法與新的見解，并通過實(shí)驗(yàn)驗(yàn)證了所提出的新方法的可行性與有效性。本論文的主要工作分三部分展開： （1）闡述屬性約簡問題及其現(xiàn)有的屬性約簡方法，分析它們的優(yōu)缺點(diǎn)。 （2）基于聚類的屬性約簡方法的研究與實(shí)現(xiàn)。 針對(duì)現(xiàn)有的屬性約簡

3、方法在約簡的過程中與用戶的交互過程太少的問題，提出了屬性距離的定義及其基于聚類的約簡方法。該部分工作對(duì)應(yīng)于論文的第三章，首先給出了屬性依賴度和相對(duì)依賴度的定義，然后根據(jù)用戶給定參數(shù)，根據(jù)由屬性相對(duì)依賴度計(jì)算出的屬性距離對(duì)屬性進(jìn)行聚類，將區(qū)分能力相似的屬性聚集到同一個(gè)類中，最后從每個(gè)類中選取出屬性組成約簡屬性集。 （3）提出幾種屬性集質(zhì)量評(píng)估模式。 目前對(duì)約簡屬性集的評(píng)價(jià)僅僅限于屬性集的區(qū)分能力的強(qiáng)弱。但是評(píng)價(jià)一個(gè)屬性集的

4、好壞應(yīng)該看它是否滿足用戶的要求。能滿足用戶需求的屬性集才是一個(gè)合格的屬性集。所以我們應(yīng)該為用戶提供更多的評(píng)估模式，讓用戶能從各個(gè)方面去選取合適的約簡屬性集，在第四章中，我們提出了幾種屬性集質(zhì)量的評(píng)估模式，分別從區(qū)分準(zhǔn)確度、平衡度、強(qiáng)壯度和相似度幾個(gè)方面對(duì)屬性集給出客觀的評(píng)估。 本文提出的方法力求改進(jìn)現(xiàn)有算法的不足，同時(shí)拓寬屬性約簡的研究范圍。對(duì)于提出的兩個(gè)研究工作，我們都在真實(shí)數(shù)據(jù)庫與合成數(shù)據(jù)庫上進(jìn)行了為數(shù)不少的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表