基于粗糙集的聚類算法研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)的飛速發(fā)展以及數(shù)據(jù)庫管理系統(tǒng)的廣泛應(yīng)用，人們所擁有的數(shù)據(jù)急劇增加，可是目前用于對這些數(shù)據(jù)進行分析處理的工具卻很少。人們希望根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢。數(shù)據(jù)挖掘技術(shù)應(yīng)運而生，它是目前數(shù)據(jù)庫和信息決策領(lǐng)域最前沿的研究方向之一。粗糙集理論是波蘭數(shù)學家Z．Pawlak在1982年提出的一種處理模糊和不確定信息的數(shù)學工具，其主要思想是在保持分類能力不變的前提下，通過知識約簡，導出問題的決策或分類規(guī)則。粗糙集理論常與規(guī)則歸納、分

2、類和聚類方法結(jié)合使用。 本文首先介紹了數(shù)據(jù)挖掘和粗糙集理論的基本概念、發(fā)展及應(yīng)用，分析了粗糙集理論與數(shù)據(jù)挖掘方法的特點，并對粗糙集理論在數(shù)據(jù)挖掘中的應(yīng)用進行了綜合的分析。通過對粗糙集理論與聚類算法的分析，提出將粗糙集理論中的上、下近似概念引入到利用分層的平衡迭代歸約及聚類算法中，分析在多閾值方法下數(shù)據(jù)對象同時屬于多個簇的情況下數(shù)據(jù)對象的歸屬問題。對已有類似算法做出相應(yīng)改進，比較實驗結(jié)果證明改進算法具有較高的精度。 離群點