基于聚類的屬性約簡方法的研究與實現(xiàn).pdf

1、數(shù)據(jù)挖掘（Data Mining）是人工智能與數(shù)據(jù)庫領域當前研究的一個熱點，引起了大量學者與專家的關注。在眾多的數(shù)據(jù)挖據(jù)的方向中，屬性約簡是其中的一個重要研究課題。一個原始的數(shù)據(jù)庫中有許多記錄，而且需要一定數(shù)量的屬性對這些記錄進行描述。如果直接對這樣的原始數(shù)據(jù)庫進行數(shù)據(jù)挖掘，其工作量非常大。而如果先對原始數(shù)據(jù)庫進行屬性約簡，從原始的屬性中，根據(jù)用戶的需求提取出一部分有代表性的屬性子集，那么就能為以后的數(shù)據(jù)挖掘工作減少了許多工作量，同時能

2、使后面的數(shù)據(jù)挖掘工作更有針對性。 本文首先介紹了現(xiàn)有的數(shù)據(jù)挖據(jù)技術，并分析了目前國內(nèi)外屬性約簡的理論與方法，指出了現(xiàn)有的屬性約簡模式挖掘方法的成果與不足。針對存在的不足，提出了一些新的想法與新的見解，并通過實驗驗證了所提出的新方法的可行性與有效性。本論文的主要工作分三部分展開： （1）闡述屬性約簡問題及其現(xiàn)有的屬性約簡方法，分析它們的優(yōu)缺點。 （2）基于聚類的屬性約簡方法的研究與實現(xiàn)。 針對現(xiàn)有的屬性約簡

3、方法在約簡的過程中與用戶的交互過程太少的問題，提出了屬性距離的定義及其基于聚類的約簡方法。該部分工作對應于論文的第三章，首先給出了屬性依賴度和相對依賴度的定義，然后根據(jù)用戶給定參數(shù)，根據(jù)由屬性相對依賴度計算出的屬性距離對屬性進行聚類，將區(qū)分能力相似的屬性聚集到同一個類中，最后從每個類中選取出屬性組成約簡屬性集。 （3）提出幾種屬性集質(zhì)量評估模式。 目前對約簡屬性集的評價僅僅限于屬性集的區(qū)分能力的強弱。但是評價一個屬性集的

4、好壞應該看它是否滿足用戶的要求。能滿足用戶需求的屬性集才是一個合格的屬性集。所以我們應該為用戶提供更多的評估模式，讓用戶能從各個方面去選取合適的約簡屬性集，在第四章中，我們提出了幾種屬性集質(zhì)量的評估模式，分別從區(qū)分準確度、平衡度、強壯度和相似度幾個方面對屬性集給出客觀的評估。 本文提出的方法力求改進現(xiàn)有算法的不足，同時拓寬屬性約簡的研究范圍。對于提出的兩個研究工作，我們都在真實數(shù)據(jù)庫與合成數(shù)據(jù)庫上進行了為數(shù)不少的實驗，實驗結果表