基于粗糙集的數(shù)據(jù)挖掘?qū)傩约s簡算法研究.pdf

1、粗糙集理論是由波蘭數(shù)學家Z.Pawlak在1982年提出的，是繼概率論、模糊數(shù)學、證據(jù)理論之后又一種處理不確定性的有效數(shù)學工具。該理論的特點是不需要任何先驗知識，或任何附加信息，就能有效地分析和處理不精確、不完整和不一致的信息。并從中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)是從現(xiàn)存的數(shù)據(jù)庫、數(shù)據(jù)倉庫或其它信息庫中挖掘有價值的知識的過程。粗糙集理論是一種新的數(shù)據(jù)挖掘技術。 本文就粗糙集理論及其在數(shù)據(jù)挖掘中的應用方法進行了

2、較為深入系統(tǒng)地研究。重點研究了擴展粗糙集模型：基于連續(xù)屬性的粗糙集模型及其約簡算法；不完備信息系統(tǒng)下粗糙集模型及其約簡算法；以及更一般的集值信息系統(tǒng)及其約簡算法。主要研究工作包括： 1.對近年來粗糙集理論及其相關的數(shù)據(jù)挖掘方法進行了綜述。 2.深入研究了各種常見的粗糙集模型及其性質(zhì)；針對信息系統(tǒng)的多樣性，給出了基于粗糙集的刻畫方式。 3.屬性約簡是粗糙集理論研究的核心問題之一，現(xiàn)已證明，尋找信息系統(tǒng)的最小約簡是N

3、P-hard問題。目前已經(jīng)提出了一些有效的算法，然而其算法復雜度都比較高，因此還需要進一步研究屬性約簡的有效算法，本文就常見粗糙集模型，給出了一般形式的基于代數(shù)或信息論下的改進屬性約簡算法。 4.研究了不完備信息系統(tǒng)粗糙集模型，并提出了基于限制容差關系的屬性約簡算法；提出了集值信息系統(tǒng)及基于其上的屬性約簡算法；研究了連續(xù)屬性的信息系統(tǒng)及屬性約簡算法。并且針對以上提出的模型及算法，給出了完整的實例，進一步驗證了其應用于實際系統(tǒng)的有