粗糙集理论中的连续属性离散化方法研究-应用数学专业论文.docxVIP

PAGE PAGE IV clustering method to cluster the category of over clustered. Some experiments are applied to compare with the others; the quite ideal results are obtained. (5) At last, in the economic analysis of Anhui Province, the result which obtained from the decision-making table that discretized by this algorithm have a good agreement with the reality. Key word:Rough set；Fuzzy set；Fuzzy cluster；Discretization；Continuous attributes 目 录 摘要 I AbstractII 目录 IV 第一章 绪论 1 1.1 概述 1 1.2 粗糙集理论中离散化问题 2 1.3 本文研究的主要内容与结构 3 第二章 粗糙集理论的基本概念 5 2.1 粗糙集的基本概念 5 2.1.1 知识与知识库 5 2.1.2 上近似与下近似 6 2.1.3 知识约简 8 2.2 知识表达系统与决策表 10 2.3 信息系统的相容性 13 第三章 连续属性离散化问题研究 15 3.1 离散化问题的提出 15 3.2 离散化问题描述 15 3.2.1 离散化的本质 16 3.2.2 离散化的评价标准 17 3.3 离散化算法的发展与现状 18 3.3.1 离散化算法的分类 19 3.3.2 几种代表性的离散化方法 20 3.4 本章小结 27 第四章 基于模糊聚类的离散化算法研究 28 4.1 模糊集理论基本概念 29 4.1.1 经典集合与模糊集合 29 4.1.2 模糊关系 31 4.2 模糊聚类分析 33 4.3 基于模糊聚类的离散化方法研究 36 4.4 基于改进模糊聚类的离散化方法 41 4.5 本章小结 43 第五章 模糊聚类离散化方法的应用 45 第六章 总结与展望 51 参考文献 53 致谢 56 攻读硕士学位期间的科研学术情况 错误！未定义书签。 PAGE PAGE 1 第一章 绪论 1.1 概述 计算机科学与技术的迅速发展和广泛应用为人类的日常生活、工作和科学研 究提供了极大的便利，在计算机的帮助下人们可以将传统的事务做的更好。然而 随着大规模、海量的数据被收集起来之后,人们却发现没有足够多的时间和有效的 方法去理解和认识这些数据,人们处在被各种各样的数据，如科学数据、医疗数据、 市场数据等淹没的境地,而理解这些数据已经远远超出了人的能力[1]。因此面对这 样一种“数据丰富,但信息贫乏”的严峻形势,传统的统计技术和数据管理工具不 足以分析这些海量数据。为了寻找新的数据分析方法和工具,以便从海量数据中提 取有用知识已成为世界范围内的热门研究课题。数据库中知识发现正是在这样一 种背景下产生并蓬勃发展起来的。数据库中知识发现,也称为知识发现、数据挖掘 (Data Mining,DM),出现于20世纪80年代后期,是在数据库技术的基础上,结合人 工智能、机器学习、统计学、神经网络等多种学科技术产生的一个具有很强生命 力的新研究领域，该技术是一个能从大量的，不完全的，有噪声的，模糊的，随 机的的数据中提取隐含在其中的，人们事先不知道的，但又是潜在有用的信息和 知识的过程。在90年代，数据挖掘开始有了突飞猛进的发展,成为当前涉及人工智 能、数据库理论与技术、电子商务等学科的一个非常活跃的研究领域,在商务管理、 生产控制、市场分析、工程设计和科学探索等方面表现出很好的应用前景,将会成 为未来几年内对社会产生深远影响的关键技术之一。 在大规模数据库中，里面存储了大量的数据，如果直接以这些数据来进行挖 掘获取或进行学习，其时间和空间的代价不言而喻，这就需要对这些杂乱无序的 数据进行预处理，也就是数据清理，清理过程中通过填写空缺的值，平滑噪声数 据，识别，删除孤立点，并解决不一致数据等来清理数据。由于对数据库进行离 散化，就能够从这些连续数据库中取得强壮的数据集，进而到简洁且有效的规则， 离散化结果将会减小系统对存储空间的实际需求，加快后继数据挖掘和机器学习 算法的运行速度，减小后继算法的空间开销，提高分类精度。因此，数据离散化 安徽大学硕士学位论文 粗糙集理论中的连续属性离散化方法研究 在数据挖掘中占有很大的重要性，离散化也就是将连续的数据进行