基于粗糙集与遗传算法的数据挖掘方法.pdfVIP

增刊 江 西 蓝 天 学 院 学 报 Supp lem en t 2008年 10 月 　　　　JOURNAL OF J IAN GX I BLU E SKY UN IV ER SITY　　　　O ctober. 2008 基于粗糙集和遗传算法的数据挖掘方法 胡启韬 袁志平 周忠海 (江南计算技术研究所 　江苏 无锡 　2 14083) 　　摘 要 :运用粗糙集和遗传算法的理论 ,为大型的数据挖掘提供了一种新的方法 。首先通过粗糙集理论对数据进行 预处理 ,然后对属性简约 ,最后通过遗传算法进行规则提取 ,寻找最优解 。 关键词 :粗糙集 遗传算法 数据挖掘 知识发现 中图分类号 : TP36 文献标识码 : A 文章编号 : 123 (2008增 ) - 0 17 - 03 　　数据挖掘 [ 1 ]又称知识发现 ,是从大量的、不完全的、有 1. 2　定义 2 在知识表达系统 S 中, 对于一属性集 P 躁声的、模糊的实际数据中 ,提取隐含在其中的、人们事先 ∈A , 对象 x, y ∈U, 二元等价关系 IND (P) = { ( x, y) ∈U × 不知道的、但又很有用的知识和信息的过程 。它的一般步 U | 所有的 a ∈P, f ( x, a) = f (y, a) } 称为 S 的不可分辨关 骤如下 :提出问题 数据准备 数据整理 建立模型 评 系 。不可分辨关系是一个等价关系, 通过一个不可分辨关 价和解释 。它是数据库研究、开发和应用最活跃的一个分 系, 可以得到一个决策系统的划分 。 支 ,是多学科的交叉领域 ,涉及数据库技术 、人工智能、机器 1. 3　定义 3 给定信息系统 S = (U, A ) , B ∈A , 对 B 学习、神经网络 、数学 、统计学 、模式识别 、知识库系统 、知识 中的属性 a, 如果 IND (B ) ≠IND (B - { a} ) , 则说属性 a是必 获取 、信息提取 、高性能计算 、并行计算 、数据可视化等多方 ( ) ( ) 要的 Ind isp ensable , 否则称 a是不必要的 D isp ensable 。 面的知识 。 遗传算法 ( Gene tic A lg orithm , GA ) [ 3] 起源于对生物系 统进行的计算机模拟研究, 是模拟生物在环境中的遗传和 1　粗糙集与遗传算法的基本概念 进化过程而形成的一种 自适应优化概率搜索算法 。它的流 程主要模仿的是生物遗传进化过程中的选择 、交叉和变异 ( ) [ 2 ] 操作, 从而完成对问题最优解的自适应搜索过程 。流程主要 粗糙集 Rough Set, R S 作为一种全新的数学概念 , 为处理具有不完整 、不一致及不确定性特征的信息提供了 包括染色体编码 、产生初始群体 、计算适应度 、进化操作等 新的有效工具 ,它的主要特点之一是无须提供 问题所需处 几大部分 。 理的数据集合之外的任何先验信息 。相对于许多其他处理 遗传算法的搜索过程是从一群初始节点开始搜索, 而 不确定知识的方法来说更具客观性 ,并且和其他分析方法 不是从单一的初始点开始搜索, 这种机制意味着搜索过程 有机结合 ,进一步增强对不确定问题的处理能力 。 可以有效地跳出局部极值点 。既可以完成极值点领域 内解 1.