基于粗糙集理論的數(shù)據(jù)挖掘模型及屬性約簡算法研究.pdf

1、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)研究如何從大量的數(shù)據(jù)中智能地、自動地提取出有價值的知識和信息，是目前相當活躍的研究領(lǐng)域。知識發(fā)現(xiàn)定義為從數(shù)據(jù)集中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的高級(非平凡)過程。數(shù)據(jù)挖掘是知識發(fā)現(xiàn)過程中的核心步驟。粗糙集理論是波蘭數(shù)學(xué)家Z.Pawlak在1982年提出的一種分析不完整、不確定數(shù)據(jù)的數(shù)學(xué)工具，目前被廣泛應(yīng)用于數(shù)據(jù)挖掘與知識發(fā)現(xiàn)研究。研究基于粗糙集理論的數(shù)據(jù)挖掘具有極大的理論意義和現(xiàn)實意義。

2、 論文首先概述了數(shù)據(jù)挖掘的標準數(shù)學(xué)模型以及基于粗糙集理論的數(shù)據(jù)挖掘模型，針對傳統(tǒng)的基于粗糙集理論的數(shù)據(jù)挖掘模型存在著不實用的特點，在此基礎(chǔ)上，通過查閱各種資料文獻提出了一種改進的基于粗糙集理論的數(shù)據(jù)挖掘模型。接下來，論文對粗糙集理論的屬性約簡算法進行了比較深入的研究并歸納總結(jié)了目前的一些主要約簡算法。屬性約簡算法是基于粗糙集理論的數(shù)據(jù)挖掘模型中的關(guān)鍵步驟，同時也是粗糙集理論研究中的一個研究重點。到目前為止，在屬性約簡算法方面已經(jīng)有了一

3、些成果，然而還沒有一個公認的、高效的約簡算法。通過研究現(xiàn)有的一些約簡算法，論文提出了一種基于屬性頻率的改進約簡算法。該算法是一種啟發(fā)式算法，建立在可辨識矩陣計算基礎(chǔ)上。改進算法基于Hu的算法與Jelonek算法，在計算可辨識矩陣的基礎(chǔ)上，保證最終能夠找到?jīng)Q策信息系統(tǒng)的一個約簡，同時較Jelonek算法相比，運算時間明顯減少。 基于粗糙集理論的數(shù)據(jù)挖掘研究正處于起步階段，數(shù)據(jù)挖掘本身及粗糙集理論研究還有許多問題值得探討，論文將二者