基于粗集理论的数据挖掘技术识别储层岩性.pdfVIP

维普资讯 2003年 10月 国 外 测 井 技 术 Oct．20o3 第 18卷第 5期 WORID WELL IDGGING TECHNOL0CY Vo1．18No．5 基于粗集理论 的数据挖掘技术识别储层岩性 易淑 昌 (江汉石油学院地球物理系) 摘 要 为了解决不确定、不完整性 问题 ，将粗集理论与神经 网络结合应用于模式识别分类 ，提 出了一种离散 连续属性的方法——聚类划分法，并以岩性识别分类为例 ，分析条件属性与决策属性之 间的支持度 ，结果表明可提 高识别分类的正确率，同时也说明了粗集神经网络系统可有效地解决不确定性 、不完整性 问题 。 关键词 ~ ee(aoughSet) 数据挖掘 神经网络 由于很多实 际问题具有不确定性 、不完整性 ，粗 粗集理论 (Roughset：RS)，它是研究不完整数据及不 集理论 (RoughSet：RS)是研究不完整数据及不精确 精确知识 的表达 、学习、归纳 的一套方法 ，该方法能 知识 的表达 、学习、归纳 的一套方法 ，该方法能够在 够在缺少关于数据 的先验知识 的情况下 ，仅仅 以对 缺少关于数据的先验知识 的情况下 ，仅仅 以对观测 观测 的数据 的分类 能力为基础 ，通过对数据进行分 的数据 的分类能力为基础 ，通过对数据进行分析 、近 析 、近似分类 、推理数据 间的关系 ，从 中发现隐含 的 似分类 、推理数据 间的关系 ，从 中发现隐含 的知识 ， 知识 ，揭示潜在的规律… 。该理论 自提 出以来 ，经过 揭示潜在 的规律 。LtJ由于该理论要求数据是离散的 ， 十几年 的研究与发展 ，已经在理论和 实际应用上取 本文提 出了一种离散化方法—— 聚类划分法 ，并将 得 了长足 的进展 ，目前 已成为数据挖掘 、知识发现 、 粗集理论与神经 网络结合应用于模式识别分类 ，以 模式识别 、机器学 习等领域的一种重要 的研 究方法 ， 岩性识别分类为例 ，分析条件属性与决策属性之间 并得到 了较为成功的应用 。 的支持度 J，结果表明可提高识别分类 的正确率 ，同 时也说明了粗集神经网络系统是一种有效模式识别 ItS理论属性约简与决策分析方法 分类方法 ，并对识别分类油 、气 、水等流体做 了展望 。 根据文献 2，RS理论将 知识理解为 ：使 用等价 关系集 R对离散表示的空间U进行划分 ，知识就是 引 言 R对 U划分的结果 。因此 ，知识库可 以定义为 ：属于 数据挖掘就是从数据库 中抽取 隐含 的、以前未 R中所有可能的关系对 U的划分 ，记为 ：K=(U，R)。 知 的、具有潜在应用价值的信息的过程 ，是知识发现 根据文献 J，为了描述知识的确定程度 ，RS理 (KnowledgeDiscoveryinDatabase：KDD)的关键步骤 ， 论映人上近似和下近似 的概念 ，令 XcU是一个集 近几年 由于信息数据量的膨胀而得到广泛的应用。 合 ，R是一个定义在 U上 的等价关系 ，R下近似和 R 但是很多知识含糊不清 ，具体为 ：(1)术语 的模糊性 ， 上近似定义分别如下 ： 如胖瘦 ；(2)数据 的不确定性 ，如噪声 ；(3)知识 自身 R．(X)=U {YcU／R：YcX} 的不确定性 ，如规则 的前后 间的依赖关系不完全可 R’(x)=U {YcU／R：Ynx≠ } 靠等 。为此 ，人们提出了包括概率与统计 、模糊集合 把要求解 的