基于粗集的數(shù)據(jù)挖掘算法研究及應用.pdf

1、隨著數(shù)據(jù)量的飛速增長，數(shù)據(jù)挖掘成為從大量數(shù)據(jù)中發(fā)現(xiàn)知識的重要手段。粗集是一種處理模糊和不確定性數(shù)據(jù)的工具，因而成為數(shù)據(jù)挖掘中的重要框架。約簡和核是粗集理論的核心內容，數(shù)據(jù)經(jīng)過約簡后更有價值，更能準確的獲取知識。本文針對粗集展開如下工作： 首先，本文在國內外有關數(shù)據(jù)挖掘(DM)與知識發(fā)現(xiàn)(KDD)方面的學術研究成果的基礎上，研究了數(shù)據(jù)離散化處理和數(shù)據(jù)泛化的方法；討論了屬性約簡的基本算法；研究了屬性約簡的典型算法，包括基于邏輯運算的

2、屬性約簡算法、基于頻度的屬性約簡算法、基于屬性依賴度的屬性約簡算法、基于信息熵的屬性約簡算法，并分析了各約簡算法的時間復雜度；提出了后刪除屬性的約簡算法，該算法無需求核運算，節(jié)省了時間和空間，簡化了求解過程。 其次，本文在約簡的基礎上研究了最簡規(guī)則提取算法、典型規(guī)則提取算法；研究了決策樹建立的算法，在討論了ID3算法的基礎上提出了基于粗集的決策樹建立，并以實例驗證其正確性。 最后，本文在上述理論方法研究的基礎上，設計了基