基于粗糙集理論的數(shù)據(jù)挖掘方法研究及應(yīng)用.pdf

1、數(shù)據(jù)挖掘技術(shù)是機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)和統(tǒng)計(jì)理論相結(jié)合的產(chǎn)物，具有較為廣泛的應(yīng)用前景。粗糙集理論是八十年代初由波蘭數(shù)學(xué)家首先提出的一種刻畫不確定性和不完整性知識(shí)的數(shù)學(xué)工具。該理論近年來(lái)日益受到廣泛關(guān)注，已在人工智能與知識(shí)發(fā)現(xiàn)、模式識(shí)別與分類、專家系統(tǒng)、故障檢測(cè)等方面得到了成功的應(yīng)用。本文在粗糙集數(shù)據(jù)挖掘方法理論上和應(yīng)用上進(jìn)行了研究。
　　本文系統(tǒng)分析歸納了數(shù)據(jù)挖掘技術(shù)和基于粗糙集理論的數(shù)據(jù)挖掘方法。對(duì)數(shù)據(jù)挖掘從知識(shí)的角度進(jìn)行了分類。對(duì)粗糙

2、集理論的基本概念與性質(zhì)，以及屬性約簡(jiǎn)和屬性值約簡(jiǎn)算法做了系統(tǒng)歸納。數(shù)據(jù)挖掘階段采用的主要屬性約簡(jiǎn)方法有三個(gè)：標(biāo)準(zhǔn)的數(shù)據(jù)分析屬性約簡(jiǎn)、基于屬性頻率的屬性約簡(jiǎn)和基于區(qū)分矩陣的約簡(jiǎn)。
　　隨著數(shù)據(jù)的不斷增長(zhǎng)，增量挖掘就成為人們所研究的主要方向之一。粗糙集增量數(shù)據(jù)挖掘采用動(dòng)態(tài)約簡(jiǎn)方法得以解決。本文提出了粗糙集增量屬性約簡(jiǎn)的算法，理論分析具有可行性。避免了|U|×|U|階的區(qū)分矩陣運(yùn)算，擴(kuò)展了粗糙集的應(yīng)用范圍。
　　規(guī)則抽取是數(shù)據(jù)挖掘

3、的核心。本文研究了基于屬性頻率的啟發(fā)式屬性約簡(jiǎn)算法,此算法提高了挖掘速度，實(shí)現(xiàn)了規(guī)則的自動(dòng)抽取。基于粗糙集的數(shù)據(jù)推理依賴于規(guī)則的表現(xiàn)形式。數(shù)據(jù)挖掘是一種由條件屬性到?jīng)Q策系統(tǒng)規(guī)則的抽取，形如 R→D的形式。本文根據(jù)粗糙集的規(guī)則推理的概念，在相容決策系統(tǒng)中提出了面向決策屬性的信息融合的方法。
　　主要內(nèi)容為：
　　1.針對(duì)不一致決策信息系統(tǒng)，構(gòu)造了一種新的區(qū)分函數(shù)。用概率分布函數(shù)描述條件屬性對(duì)決策系統(tǒng)的影響程度，從而獲得最大分布