基于粗糙集理论的数据挖掘.pdfVIP

基于粗糙集理论的数据挖掘① 李丙军吴顺祥 厦门大学自动化系，厦门，361005 摘要本文首先对粗糙集(110u吐蛐)的基本理论进行了讨论，在此基础上运用粗糙集理论对从 数据库中挖掘方法进行了研究，并通过—个实倒详细地说明了具体挖掘过程。 关键词粗糙集．敷据挖掘，数据处理 1 引言 信息时代带来了大量的数据，因为数据本身并不是信息。而传统的数据检索机制和统计 分析方法提供的信息，远远不能满足决策者的需要，人们需要对数据进行更高层次的处理。因 此，一个新的研究领域———数据挖掘技术应运丽生。当大量数据不停地被收集和存储，业界 人士对从他们的数据库中项集之间的相关联系越来越感兴趣。这种数据中项集之间的有趣的 相关联系称为关联规则。有效地发现、理解、运用规则，是完成数据挖掘任务的一个重要手段。 粗糙集理论是波兰数学家Z．Pawlak于1982年提出的一种数据分析理论。其主要特点是不需 要提供问题所需处理的数据集和之外的任何先验信息。用于数据挖掘的数据库由于种种原因 存在着数据不完善、噪音、错误。而粗糙集正是处理模糊、不确定数据，从而支持决策的工具。 2粗糙集(Roughsets)的基本概念 设u是非空有限集合，称U为论域。作如下定义： 囝，则nP(P中所有等价关系的交集)也是一个等价关系，称为P上的不可分辨关系，记为ind (P)。 识R下，u中所有一定能归入X的元素的集合；R一(x)表示U中可船归人x的元素的集合。 (3)一个信鼠系统S是一个系统(u，A，V，f)，其中，U：非空有限集，称为论域；A：非空有 性，D中的属性称为决策属性。 ①基金项目：厦门大学信息985二期创新乎台资助 如果存在一子集 立集，且 (5)令P_CC，Q (6)对于B (D))，则B称为相对于D的依赖集，否则，称为相对于D的独立集。 则称B为C相对于D的约简。C的所有D约简族记为REDD(C)。 mEDD(c)。 VCORE(c)=nVRED(c)。 (10)令1e={x1，…，)(1l}为一集合族，】(i∈u，GC_F，为F的非空子集。如果存在一子集 为F中不可分辨的；否则称为可分辨的。F中所有不可分辨集合的族称为F的核，记为 VCORE(F)，且有VCORE(F)=nVRED(F)。 (11)令F={x1，…，】(n}为一集合族，)(ieu，ceF，为F的非空子集族。一子集Y∈u， 族记为Vm￡DY(F)。 REY(F)=nVREOY(F)。 (13)S=(U，A，V，f)是一个知识表达系统，IlJI=n．s的区分矩阵是一个nxn矩阵，其任 意元素为a(x，y)={aeAIf(x，a)≠-f(y，a)}；区分函数△=．、Ⅱ∑a(x，y)，核是区分矩阵 3基于粗糙集属性约简的数据挖掘 由于关系数据库中的表的列可以看作是知识表达系统的属性，行可以看作是实例，因此 可以利用粗糙集理论有效地对关系数据库中的数据进行规则的挖掘。 基于粗糙集理论的规则发现的主要步骤如下： ①获取协调的决策表； ②根据定义13，生成区分矩阵； 29 ③根据定义13，求取精核； ④根据核，求决策表的最小约简； ⑤得到决策规则。 通过下面通过医生给病人看病的例子，详细说明逡个过程(见表1)。 表1中U中Ⅺ，怼…X8表示有8个病人；a表示体温，b表示头痛，c表示肌肉痛，，d表示 流感，其中条件属性C={a，b，c}，决策属性D={d}。 从表1中可以看出对象)【3，X4的条件属性取值是相同的，而决策属性却不同，因此，决策 表是不协调的，去掉】(3，x4得到表2： 寰1 裹2 U b d U b d X1 高 无 有 有 Xl 高 无 有 有 )【2 偏高 无