基于粗糙集的數據約簡算法研究與應用.pdf

1、數據挖掘,簡單地說,就是從龐大的觀察數據集中提煉并分析出不能輕易察覺或斷言的關系,最后給出一個有用的并且可以理解的結論.粗糙集理論是一種處理模糊和不精確問題的數學工具.眾所周知,許多實踐問題不能滿足現存計算機的求解條件,特別是機器學習、模式識別、人工智能等,這些困難常常使得不能建立描述個體的算法,粗糙集理論及其擴充對于建立此類個體的近似描述,提供了一種精確的數學技術. 隨著信息化社會的到來和知識經濟的發(fā)展,信息系統(tǒng)中的信息量積累

2、越來越大,解決信息系統(tǒng)中信息量膨脹問題不僅是信息系統(tǒng)本身的研究課題,而且也是Internet上的重要研究方向.信息系統(tǒng)約簡主要是減少信息量,將一些無關或多余的信息剔除,而不影響原有的功能.將約簡后的信息重新組合,產生新的決策規(guī)則,這些決策規(guī)則的前提信息和結論信息可能不同于約簡前的任何一條決策規(guī)則,但它們能夠經過推理而得到相同或相近的結果. 本文主要介紹了數據挖掘、粗糙集等相關基本理論及其研究現狀;對數據挖掘過程中的核心問題--數

3、據約簡,進行了深入分析與探討;提出了一種基于二叉樹結構的信息系統(tǒng)數據約簡算法,該算法使得屬性約簡和屬性值約簡得以一致計算,縮短了約簡時間,對于時間復雜度及空間復雜度也得以進一步降低.最后就算法的實際應用做了一定研究.本文所做的主要工作如下: (1)針對目前的有關約簡算法需反復遍歷決策表中各個數據項,使得時間復雜度及空間復雜度較高,針對這一現狀,我們進行了認真、深入研究. (2)提出了一個主要基于二叉樹結構的數據約簡方法,