基于粗糙集和模糊神经网络的数据挖掘方法研究-计算机应用专业论文.docxVIP

中文摘要数据库技术和Intcrnet的发展使得收集和存储海量数据成为可能。面对越来 中文摘要 数据库技术和Intcrnet的发展使得收集和存储海量数据成为可能。面对越来 越多迅速膨胀的数据，人们往往无从着手去理解数据中包含的信息，更难以获得 有价值的知识，从而面临着“数据丰富，知识贫乏”的局面。传统的信息处理技 术已经不能很好地满足实际应用的需求，人们迫切需要具有更强能力和更高效率 的信息处理技术，从大量数据中发现感兴趣的知识，从而指导决策。数据挖掘技 术就是在这种应用背景下产生的。数据挖掘技术是解决数据丰富而知识贫乏的有 效途径，当属信息科学领域的前沿研究课题之一，有关的研究和应用极大提高了 决策支持的能力，已被公认为是数据库研究中一个极富有应用前景的领域。 粗糙集是一种处理模糊和不确定性数据的工具，因而成为数据挖掘中的重要 框架。知识约简是粗集理论的核心内容，数据经过约简后更有价值，更能准确的 获取知识。将粗糙集应用于数据挖掘领域，能提高对大型数据库中的不完整数据 进行分析和学习的能力，具有广泛的应用前景和实用价值。属性约筒是粗糙集理 论中的一个重要课题。由于大型数据库中常常包含许多对发现规则来讲是冗余 的、不必要的属性，如果能将冗余属性删除，将会大大提高系统潜在知识的清晰 度，降低发现规则的时间复杂性，提高发现效率。 模糊系统善于表达知识，推理类似于人的思维，但过于依赖专家知识，缺乏 学习和适应的能力；神经网络结构可变，具有较强的自组织、自学习、非线性和 很高的容错能力，但是知识表达和解释能力很差，网络参数缺乏物理意义，且在 学习过程中易陷入局部极值。所以将二者的特点结合起来形成模糊神经网络就成 了一种必然的趋势。尽管如此，模糊神经网络还存在网络结构过于复杂、计算量 过于庞大和网络建模很困难等问题。 将粗糙集和模糊神经网络二者相结合，能发挥各自的优势弥补对方的不足。 幽此，探索二者之间的有机结合，无疑对数据挖掘技术的研究具有十分重要的意 义。 本文提出一种把粗糙集理论和模糊神经网络技术相结合进行数据挖掘的方 法，利用粗糙集从数据库中发现规则的能力，确定模糊神经网络的初始结构，再 利用训练数据对嘲络进行训练。由于这样构造的模糊神经网络一开始就具备了良 好的数据分布特性的拓扑结构，可以大大减小网络规模，提高阿络训练速度。 最后，本文应用一个高度非线性函数的数值数据对用粗糙集优化了的模糊神 经网络进行模拟仿真实验，实验结果表明该方法的确很有效果。 关键词： 关键词： 数据挖掘粗糙集模糊逻辑人工神经网络模糊神经网络 With With the development of the Database technology and Intemet，it is possible to collect and store massive quantities of data．When facing the greatly expanding data， people otten feel hard to understand data and even harder to extract valuable knowledge from data．People are drowning in data,but starving for knowledge． Traditional information processing techniques are now not adaptive to practical applications，People need more powerful and more efficient information processing techniques，which Can discover interesting knowledge from massive information，to guide to making decisions．So data mining technology,which is an effective approach to resolve the problem of abundant data and scanty information，came into being．It currently is the research frontier within the information science field，The related researches and applications have greatly improved the ability for decision supporting． It has been deemed to a