粗糙集理论在关系数据库知识发现中的应用研究-软件工程专业论文.docxVIP

摘要 摘要 万方数据 万方数据 摘 要 随着数据库技术的逐渐成熟，数据应用的迅速普及，以及互联网的飞速发 展，人类所积累的数据量正以指数级的速度增长。基于数据库的知识发现是最 近几年发展起来的一门新兴技术，它处理数据库中大量的数据，挖掘出更深层 次的知识、更具决策力的信息。数据挖掘是从大量的、不完全的、有噪声的、 随机的、模糊的数据中，提取出隐含在其中的、人们事先不知道的、有价值的 知识。其中数据预处理是整个数据挖掘的关键步骤，是数据挖掘工作进行之前 的必备工作，在这个阶段进行属性的约简和数据的规范化处理。 粗糙集理论是上世纪八十年代初由波兰数学家 Pawlak 首先提出的，它是一 种处理模糊和不确定性知识的数学工具。其中属性约简是粗糙集理论的核心内 容，属性约简是保持分类能力不变的前提下，删除冗余的属性。传统的属性约 简算法是基于主存的算法。基于关系数据库操作的属性约简算法利用关系数据 库本身的操作算子和 SQL 操作，能够比传统算法更加高效地进行数据挖掘。在 关系数据库中如何进行属性约简，以获得最高效的数据挖掘，是本文研究的重 点。 本论文主要讲述数据挖掘中采用粗糙集理论和数据库理论结合进行数据预 处理，即删除冗余属性、处理残缺数据和噪音数据等。论文首先论述了数据挖 掘的基本概念、流程，粗糙集理论的发展。接着介绍了粗糙集的一些基本知识， 讲述了粗糙集的扩展模型，对传统属性约简逐个进行算法分析，并给出算例， 提出一种改进的基于属性重要度的属性约简算法。然后结合扩展的粗糙集模型 实现了改进算法，该算法充分结合扩展粗糙集模型，能够处理噪音数据和残缺 数据；由于改进后的算法仍有部分算法是基于主存的，其大大影响了海量数据 的挖掘效率，因此结合数据库理论将基于主存的部分算法使用数据库操作计算； 最后结合电子商务客户信息系统给出进行属性约简的算法应用。 关键词： 粗糙集，属性约简，变精度粗糙集模型，相容关系粗糙集模型，数据库 I ABSTRACT ABSTRACT ABSTRACT With the increasingly mature database technology, the rapid popularization of the data applications, and the rapid development of Internet, the amount of data human accumulated is exponentially growing. Knowledge Discovery in database is a new technology which is developed recently, it handles a great quantity of data in database, find out deeper knowledge, more decision making information. From a lot of incomplete, noise, random and fuzzy data, data mining extracts implicit unknown and valuable knowledge. The data preprocessing is the key step in the whole data mining, is the necessary work before data mining, and it handle attribute reduction and data standardization. Rough set is proposed by Polish mathematician Pawlak in the early 1980s, it is a mathematical tool which deals with the fuzzy and uncertain knowledge. Attribute reduction is the core content of Rough set, and it deletes redundant attributes on condition that keeping classification ability unchanged. The traditional attribute reduction algorithm is based on the main storage. The attribute reduction algorithm based on relational database operation utilizes database op