基于粗糙集的數據及文本挖掘方法研究.pdf

1、本文研究了基于粗糙集的數據挖掘和文本挖掘方法，主要包括數據挖掘和文本挖掘中的屬性約簡問題、聚類問題；文本挖掘中的分類規(guī)則抽取問題；以及粗糙集同模糊集相結合的數據挖掘方法。所做主要工作內容包括： 將粗集和遺傳算法相結合成功應用于文本模糊聚類。在聚類過程中，將權重參數的設定也通過編碼由遺傳算法確定，從而使得權重參數的設定具有科學性和可操作性。 給出了近似規(guī)則的定義，并對χ2值的意義進行了討論。在此基礎上提出了一種將特征選取和

2、粗集方法相結合的文本分類規(guī)則抽取方法。該方法大大提高了文本規(guī)則抽取的效率，并使其更趨實用化。 對相關文獻中隸屬函數的定義進行了改進，并且利用隸屬函數的性質提出了一種從定量決策表轉換為定性決策表的轉換規(guī)則，利用此轉換規(guī)則可以將原來的定量決策表轉換為一個同樣大小的定性決策表，這樣大大減少了后面利用粗集理論進行規(guī)則抽取的計算量，而且提取的規(guī)則質量也有了很大提高。 將模式聚合理論和潛在語義索引理論相結合，提出了一種文本降維新方法

3、。它首先用PA理論對文本特征進行初步降維，在此基礎上利用LSI方法對文本特征進一步降維，抽取隱藏在文本中的主要語義信息。 提出了一種改進的基于粗集和Tabu搜索的屬性約簡算法。改進后的算法既具有較高的算法效率，又能以較大的概率得到最小屬性約簡。 提出了基于知識簡潔度的粗集聚類方法，它首先計算對象集合在每個屬性下的劃分；然后在對初始劃分進行合并時，引進了不可分辨度的概念；在形成最終聚類結果時，引進了知識簡潔度作為凝聚的終止