基于粗糙集理论与智能计算的分类规则挖掘方法研究-计算机应用技术专业论文.docxVIP

摘要数据挖掘就是从巨量数据信息中获耿有意义的知识的过程，目前已经成为一 摘要 数据挖掘就是从巨量数据信息中获耿有意义的知识的过程，目前已经成为一 个研究的热点。分类规则挖掘是数据挖掘的一个重要研究领域。在分类规则挖掘 中人们通过对历史或已知数据的分析，获得对未来或未知情况判断和预测的依据。 属性约简、分类规则提取、数量属性离散化是分类规则挖掘的三个方面。 本文所做的主要工作如下： (1)根据粗糙集理论是处理含糊性和不确定性数据的一种主要数学工具，提 出了基于粗糙集理论的可辨识函数的属性约简算法。该算法可以计算出信息系统 的所有可能约简，及最佳约简。 (2)提出了基于可辨识函数的分类规则提取算法。该算法能挖掘出简单、通 用、易理解的决策规则。 (3)根据进化计算的极强鲁棒性及寻优能力，提出了基于进化计算的数量型 属性离散化算法一进化C均值算法。该算法能为数量属性找到最佳或近似最佳的 分割点。 关键词：分类规则挖掘 属性约简 数量属性离散化Rough set理论进化计算 ABSTRACTData ABSTRACT Data mining is the process for achieving an interesting and potential knowledge from a large data sets，which is a focus study field．One of the important fields in data mining is the mining for classification rules，in which one can get the knowledge to predicate the future or unknown objects according to the analysis of the sample data． Attributes reduct，mining classification rules，and discretizing values of quantitative attributes are three fields in mining classification rules． This paper focuses on the three fields of mining classification rules，and presents three new algorithms： (1)The discernibility function，based of rough set theory algorithm tO eliminate redundant attributes from an information system，which can get all reducts of an information system，especially the best one， (2)The algorithm of mining classification rules based on discernibility function， which can induct simple，general，and understandable rules． (3)The evolutionary computation-based algorithm for discretizing values of quantitative attributes，whose advantage is that it can finding the best cuts of a quantitative attribute． Key words：mining classification rules；attribute reduction；quantitative attribute discretization；Rough Set Theory；evolutionary computation V583448创新性声明 V583448 创新性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或 其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做 的任何贡献均已在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名 晕鳕墓 闩期!垡：!：!翌 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研