基于粗糙集理論的數(shù)據(jù)挖掘模型及屬性約簡(jiǎn)算法研究.pdf

1、數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)研究如何從大量的數(shù)據(jù)中智能地、自動(dòng)地提取出有價(jià)值的知識(shí)和信息，是目前相當(dāng)活躍的研究領(lǐng)域。知識(shí)發(fā)現(xiàn)定義為從數(shù)據(jù)集中識(shí)別出有效的、新穎的、潛在有用的，以及最終可理解的模式的高級(jí)(非平凡)過(guò)程。數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn)過(guò)程中的核心步驟。粗糙集理論是波蘭數(shù)學(xué)家Z.Pawlak在1982年提出的一種分析不完整、不確定數(shù)據(jù)的數(shù)學(xué)工具，目前被廣泛應(yīng)用于數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)研究。研究基于粗糙集理論的數(shù)據(jù)挖掘具有極大的理論意義和現(xiàn)實(shí)意義。

2、 論文首先概述了數(shù)據(jù)挖掘的標(biāo)準(zhǔn)數(shù)學(xué)模型以及基于粗糙集理論的數(shù)據(jù)挖掘模型，針對(duì)傳統(tǒng)的基于粗糙集理論的數(shù)據(jù)挖掘模型存在著不實(shí)用的特點(diǎn)，在此基礎(chǔ)上，通過(guò)查閱各種資料文獻(xiàn)提出了一種改進(jìn)的基于粗糙集理論的數(shù)據(jù)挖掘模型。接下來(lái)，論文對(duì)粗糙集理論的屬性約簡(jiǎn)算法進(jìn)行了比較深入的研究并歸納總結(jié)了目前的一些主要約簡(jiǎn)算法。屬性約簡(jiǎn)算法是基于粗糙集理論的數(shù)據(jù)挖掘模型中的關(guān)鍵步驟，同時(shí)也是粗糙集理論研究中的一個(gè)研究重點(diǎn)。到目前為止，在屬性約簡(jiǎn)算法方面已經(jīng)有了一

3、些成果，然而還沒(méi)有一個(gè)公認(rèn)的、高效的約簡(jiǎn)算法。通過(guò)研究現(xiàn)有的一些約簡(jiǎn)算法，論文提出了一種基于屬性頻率的改進(jìn)約簡(jiǎn)算法。該算法是一種啟發(fā)式算法，建立在可辨識(shí)矩陣計(jì)算基礎(chǔ)上。改進(jìn)算法基于Hu的算法與Jelonek算法，在計(jì)算可辨識(shí)矩陣的基礎(chǔ)上，保證最終能夠找到?jīng)Q策信息系統(tǒng)的一個(gè)約簡(jiǎn)，同時(shí)較Jelonek算法相比，運(yùn)算時(shí)間明顯減少。 基于粗糙集理論的數(shù)據(jù)挖掘研究正處于起步階段，數(shù)據(jù)挖掘本身及粗糙集理論研究還有許多問(wèn)題值得探討，論文將二者