基于粗糙集和粒子群的數(shù)據(jù)挖掘方法研究.pdf

1、數(shù)據(jù)挖掘技術(shù)通常由機(jī)器學(xué)習(xí)、數(shù)據(jù)庫和統(tǒng)計(jì)理論等技術(shù)相結(jié)合進(jìn)行挖掘，是從許多較復(fù)雜關(guān)系的實(shí)際數(shù)據(jù)中，提取有潛在價(jià)值的數(shù)據(jù)信息的非平凡操作。粗糙集理論建立在對(duì)象里不可分辨關(guān)系的基礎(chǔ)上，能有效地解決不精確、不完整和不一致的數(shù)據(jù)，為進(jìn)行有效地?cái)?shù)據(jù)挖掘提供了新的思路和技術(shù)，在各方面都得到了成功的應(yīng)用。粒子群算法是一種演智能技術(shù)，具有簡單、有效、收斂速度較快、全局搜索能力較強(qiáng)等特點(diǎn)。 本文探討了粗糙集的相關(guān)理論，把粗糙集與粒子群算法相結(jié)合進(jìn)

2、行數(shù)據(jù)預(yù)處理，主要研究工作包括以下方面： 1)通過分析現(xiàn)有的不完備信息系統(tǒng)中空缺值的處理方法及其優(yōu)缺點(diǎn)，并對(duì)現(xiàn)有約簡算法及其不足進(jìn)行比較和分析，引入了改進(jìn)二進(jìn)制粒子群算法，提出將粗糙集理論與粒子群算法相結(jié)合對(duì)不完備決策表進(jìn)行屬性約簡，依照決策屬性對(duì)條件屬性的依賴度，結(jié)合近似分類精度與近似分類質(zhì)量給出了粒子適應(yīng)度函數(shù)。實(shí)驗(yàn)證明該屬性約簡算法收斂快，約簡效率高。 2)對(duì)含有離散屬性和連續(xù)屬性的混合屬性數(shù)據(jù)進(jìn)行分類處理，通過構(gòu)

3、造復(fù)合粒子結(jié)構(gòu)，設(shè)計(jì)了一種復(fù)合粒子群算法，對(duì)于連續(xù)屬性的數(shù)據(jù)，不必提前進(jìn)行離散化預(yù)處理，而直接進(jìn)行復(fù)合操作，將連續(xù)值屬性離散化與混合數(shù)據(jù)分類過程融為一體，保證了分類操作的信息對(duì)象的完整，減少誤差。實(shí)驗(yàn)表明該算法減少了時(shí)間開銷，有良好的性能。 3)通過分析網(wǎng)絡(luò)信息系統(tǒng)安全評(píng)估標(biāo)準(zhǔn)，提出一種基于粗糙集的改進(jìn)粒子群約簡算法，來進(jìn)行指標(biāo)屬性約簡和權(quán)集的構(gòu)建，進(jìn)而建立新型融合的網(wǎng)絡(luò)信息系統(tǒng)安全評(píng)估方法。最后，通過實(shí)例說明了該方法的實(shí)用性與