Rough集和云理論在空間數(shù)據(jù)挖掘中的應用.pdf

1、隨著現(xiàn)代科技和數(shù)據(jù)獲取設備的迅速發(fā)展，空間數(shù)據(jù)庫的數(shù)量和大小日益豐富，使得空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)變得越來越重要。而在數(shù)據(jù)挖掘過程中，存在大量冗余數(shù)據(jù)影響我們的決策，Rough集理論在得到?jīng)Q策規(guī)則和分類方面是最有利的根據(jù)。它不但可以在不影響數(shù)據(jù)表達信息的前提下使原來的數(shù)據(jù)量大為減少（數(shù)據(jù)約簡），而且還可以產(chǎn)生決策規(guī)則，從而挖掘出數(shù)據(jù)中的有效模式。其次，Rough集理論不同于其他處理不確定性問題的理論，如概率方法、模糊集方法等，它無需提供任

2、何所需處理數(shù)據(jù)集合之外的先驗信息。然而Rough集理論要求所處理的決策表中的值必須用離散數(shù)據(jù)表達，因此在使用Rough集理論對數(shù)據(jù)挖掘前必須先對數(shù)據(jù)進行離散化處理。
　　 本文首先介紹了數(shù)據(jù)挖掘，空間數(shù)據(jù)挖掘的意義、使用的主要方法、獲得的知識類型和過程，接著又介紹了Rough集的基礎知識，為隨后的深入研究做鋪墊。
　　 其次開始深入研究Rough集在數(shù)據(jù)挖掘過程的核心問題---屬性約簡，對目前基于Rough集的屬性約簡算

3、法展開分析，并比較了各種算法的性能。本文提出一種FAE算法，用于在屬性約簡前進行優(yōu)化屬性的選擇，并在此基礎上又建立了一個基于Rough集分析的分類器模型----FAERS模型，通過實驗證明了這個算法的分類效果很好。而針對Rough集在挖掘一般決策表的最簡規(guī)則或者所有規(guī)則是一個NP-hard問題，本文又引入蟻群算法，提出一種新的屬性約間算法----ACR算法，將蟻群算法用于在對尋找約簡屬性的過程中指導搜索的方向，通過具體的例子證明了這個算