基于粗糙集理論的不完備信息系統(tǒng)數(shù)據(jù)挖掘的研究.pdf

1、作為一種處理模糊和不確定性問題的數(shù)據(jù)分析工具，粗糙集理論是非常具有優(yōu)勢的。它能有效的處理不完備的、不精確的、不確定的那些問題，現(xiàn)在已經和數(shù)據(jù)挖掘、模式識別成功的結合起來。知識發(fā)現(xiàn)（KD）或者數(shù)據(jù)挖掘（DM）就是從那些海量的、缺失的、不確定性的、模糊的、有噪聲的、隨機的數(shù)據(jù)集合中甄別隱藏在信息系統(tǒng)中的人類喜好關注的或者說有用的知識。在基于粗糙集的數(shù)據(jù)挖掘的研究中數(shù)據(jù)處理是整個數(shù)據(jù)挖掘的關鍵，在數(shù)據(jù)處理中我們要對條件屬性集合進行約簡和對數(shù)據(jù)

2、進行離散化處理，而屬性約簡正是粗糙集的核心內容之一，所以用粗糙集的知識研究數(shù)據(jù)挖掘是不錯的選擇。模糊理論這種工具已經被用來處理模糊現(xiàn)象（所表現(xiàn)出來的現(xiàn)象是模糊不清的）和模糊概念（是指所定義的概念它的外延具有不確定性，也就是說它的外延是模糊不清的），模糊數(shù)學處理的事件在本質上也是不確定的，是模糊存在的，模糊數(shù)學和粗糙集有很強的共通性和互補性，如何依賴這些特性，是研究粗糙集模型和模糊模型順利結合的關鍵。
　　本文主要論述粗糙集知識和排

3、序知識、模糊知識、SVM知識相結合的問題，主要研究內容如下：
　?。?）研究了對0，1決策信息系統(tǒng)排序后的基于辨識矩陣和屬性重要度的啟發(fā)式約簡算法的算法時間復雜度，然后與經典粗糙集約簡算法進行比較研究。對完備信息系統(tǒng)排序后的基于辨識矩陣約簡和屬性重要度的啟發(fā)式約簡的算法算法時間復雜度和經典粗糙集約簡算法進行比較研究。再對不完備信息系統(tǒng)排序后的約簡算法進行了粗略探討。
　?。?）討論了基于模糊集和粗糙集相結合的模型，建立了關于