基于粗糙集理论的数据挖掘算法研究-计算机软件与理论专业论文.docxVIP

摘要摘要 摘要 摘要 本论文研究课题源于国家973基础研究项目(No．2002CB312006)‘Intemet环境 下基于Agent的软件中间件理论和方法研究”和国家自然基金项目 (No“水印关系数据库关键技术研究”。 近年来，随着我国信息化建设的快速发展，知识的自动获取已成为一种重要的 技术手段。数据挖掘研究如何从大量的数据中智能地自动地抽取出有价值的知识 和信息，因而成为当前人工智能研究中非常活跃的研究领域。粗糙集理论是一种 有效地处理模糊性和不确定性问题的数学工具，为数据挖掘提供了新的思路和基 础。本文的研究工作主要围绕基于粗糙集理论的数据挖掘，重点从基于粗糙集理 论的特征选择和连续属性离散化两个方面展开。本文的主要创新性研究工作包括： 1)提出了基于属性出现频率的属性约简算法，这种算法以条件属性在分辨矩 阵中出现的频率作为启发信息，以条件属性所在最小分辨矩阵项的基数作为辅助 启发信息，来寻找决策信息系统的最小约简。实验证明，大多数情况下该算法能 够找到系统的最优(最小)约简。在没有找到最优约简的情况下，算法能够找到 次优约简。 2)分析属性约简中条件属性之问的关系以及约简集合中条件属性和决策属性 之间的关系。在粗糙集理论的基础上给出了属性相关度的定义，并且根据这一定 义，提出了基于属性相关度的属性约简算法。实验结果证明，这种算法能够有效 地去除属性子集中的无关属性和冗余属性。 3)提出了基于粗糙集理论的确定候选断点集合的新算法，该方法能够在保证 系统分辨关系的前提下，大幅度的降低候选断点的数量，从而大幅度的减少了后 继离散化算法的计算量。实验表明，这种确定候选断点集合的办法是切实可行的。 4)提出了一种基于断点权重的启发式连续属性离散化方法。这种方法将连续 属性的候选断点作为一个单个的条件属性，建立新的决策信息系统以考察每个候 选断点对信息系统分辨能力的贡献。将断点在分辨矩阵中的出现频率作为断点的 权值，寻找系统的最优断点集合。实验结果表明，此算法能在较好地保留原信息 系统的分辨能力的同时，有效地解决离散化问题。 5)提出了一种基于DBSCAN聚类的连续属性离散化算法。这种离散化算法， 结合基于密度分布的聚类算法和粗糙集理论中属性依赖度的概念，通过对决策信 息系统中的所有实例进行聚类来实现连续属性的离散化。实验表明，这种离散化 西北T业大学博士学位论文 西北T业大学博士学位论文 基于耗i糙集理论的数据挖掘算法研究 算法是可行的，其离散化结果对数据的分类错误率较低。 由于上述约简算法和离散化算法中的某些算法需要构造决策信息系统的分辨 矩阵，其存储空间开销较大，因此如何减少算法的空间需求是下一步要解决的问 题。另外，如何将粗糙集理论和其他数据挖掘方法、软计算方法结合起来，也是 一项很有意义的研究课题。 关键词：数据挖掘粗糙集特征选择约简属性相关性属性依赖连续属性离散 化 Abs仃aetAbstract Abs仃aet Abstract The theoretic stIldy of this paper comes from the 2002CB3 12000 program of National 973 Fundamental Research Program and theprogram of National Nature Science Foundation． In recent years，in contrast to the rapid development of our national information construction,the technology of automatic acquisition of knowledge has become its bottleneck．As a technology aims to find out the way of abstracting automatically and intelligently valuable information or knowledge from a huge amount of data，data mining is an active research field of AI researching．As an efficient mathematic tool to deal with the vagueness and uncertainty，rough set theory provides a new approach of data mining．In this thesis，we research some problems of data minin