粗糙集理論在關(guān)系數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)中的應(yīng)用研究.pdf

1、隨著數(shù)據(jù)庫(kù)技術(shù)的逐漸成熟，數(shù)據(jù)應(yīng)用的迅速普及，以及互聯(lián)網(wǎng)的飛速發(fā)展，人類所積累的數(shù)據(jù)量正以指數(shù)級(jí)的速度增長(zhǎng)?；跀?shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)是最近幾年發(fā)展起來(lái)的一門(mén)新興技術(shù)，它處理數(shù)據(jù)庫(kù)中大量的數(shù)據(jù)，挖掘出更深層次的知識(shí)、更具決策力的信息。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、隨機(jī)的、模糊的數(shù)據(jù)中，提取出隱含在其中的、人們事先不知道的、有價(jià)值的知識(shí)。其中數(shù)據(jù)預(yù)處理是整個(gè)數(shù)據(jù)挖掘的關(guān)鍵步驟，是數(shù)據(jù)挖掘工作進(jìn)行之前的必備工作，在這個(gè)階段進(jìn)行屬性的約簡(jiǎn)

2、和數(shù)據(jù)的規(guī)范化處理。
　　粗糙集理論是上世紀(jì)八十年代初由波蘭數(shù)學(xué)家Pawlak首先提出的，它是一種處理模糊和不確定性知識(shí)的數(shù)學(xué)工具。其中屬性約簡(jiǎn)是粗糙集理論的核心內(nèi)容，屬性約簡(jiǎn)是保持分類能力不變的前提下，刪除冗余的屬性。傳統(tǒng)的屬性約簡(jiǎn)算法是基于主存的算法?；陉P(guān)系數(shù)據(jù)庫(kù)操作的屬性約簡(jiǎn)算法利用關(guān)系數(shù)據(jù)庫(kù)本身的操作算子和SQL操作，能夠比傳統(tǒng)算法更加高效地進(jìn)行數(shù)據(jù)挖掘。在關(guān)系數(shù)據(jù)庫(kù)中如何進(jìn)行屬性約簡(jiǎn)，以獲得最高效的數(shù)據(jù)挖掘，是本文研究

3、的重點(diǎn)。
　　本論文主要講述數(shù)據(jù)挖掘中采用粗糙集理論和數(shù)據(jù)庫(kù)理論結(jié)合進(jìn)行數(shù)據(jù)預(yù)處理，即刪除冗余屬性、處理殘缺數(shù)據(jù)和噪音數(shù)據(jù)等。論文首先論述了數(shù)據(jù)挖掘的基本概念、流程，粗糙集理論的發(fā)展。接著介紹了粗糙集的一些基本知識(shí)，講述了粗糙集的擴(kuò)展模型，對(duì)傳統(tǒng)屬性約簡(jiǎn)逐個(gè)進(jìn)行算法分析，并給出算例，提出一種改進(jìn)的基于屬性重要度的屬性約簡(jiǎn)算法。然后結(jié)合擴(kuò)展的粗糙集模型實(shí)現(xiàn)了改進(jìn)算法，該算法充分結(jié)合擴(kuò)展粗糙集模型，能夠處理噪音數(shù)據(jù)和殘缺數(shù)據(jù)；由于改進(jìn)