基于粗糙集的數(shù)據(jù)挖掘算法的研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘是致力于數(shù)據(jù)分析和理解、揭示數(shù)據(jù)內(nèi)部蘊藏知識的技術(shù)，是當(dāng)前人工智能研究中非?；钴S的領(lǐng)域。粗糙集理論是一種有效地處理模糊性和不確定性問題的數(shù)學(xué)工具，為數(shù)據(jù)挖掘的研究提供了新的思路和基礎(chǔ)。 本文主要圍繞基于粗糙集的數(shù)據(jù)挖掘，針對傳統(tǒng)數(shù)據(jù)挖掘處理噪聲數(shù)據(jù)不力的問題，從理論和應(yīng)用兩個方面對挖掘方法進行了深入的研究。本文的主要工作包括： (1)在可變精度粗糙集理論下對經(jīng)典粗糙集的概念進行了重新的詮釋；分析了粗糙集理論在數(shù)據(jù)

2、挖掘應(yīng)用中的理論根據(jù)和基本原理，并點出了研究的方向。 (2)結(jié)合信息論，提出了基于信息熵的屬性約簡算法。該算法以屬性的核作為計算約簡的出發(fā)點，以過濾分辨矩陣作為選擇候選屬性的依據(jù)，以條件屬性和決策屬性的信息熵作為啟發(fā)信息，來尋找決策信息系統(tǒng)的最小約簡。實驗證明，該算法和經(jīng)典的啟發(fā)式算法相比，能夠降低當(dāng)噪聲數(shù)據(jù)存在時漏失有效屬性的風(fēng)險，加快屬性約簡的速度。 (3)提出基于變精度粗糙集的決策樹改進算法。該算法采用β-邊界域作

3、為選擇分類屬性的標(biāo)準(zhǔn)，因此解決了不能對噪聲數(shù)據(jù)進行分類的問題。另外，該方法還對規(guī)則置信度進行了重新定義，從而提高了決策樹的可理解性。實驗結(jié)果表明，該方法更加實用、易于理解且能明顯地提高分類的效率。 (4)在研究、分析了車站建設(shè)施工數(shù)據(jù)和施工安全風(fēng)險的基礎(chǔ)上，提出了對軌道建設(shè)施工安全風(fēng)險進行預(yù)測的一系列數(shù)據(jù)挖掘方法。首先，對數(shù)據(jù)進行清洗、轉(zhuǎn)換和離散化，并給出數(shù)據(jù)的集成方法；然后，運用改進的屬性約簡算法，對31個屬性進行約簡得到13