基于粗糙集的多分类器组合及其在知识发现中的应用研究-计算机应用技术专业论文.docxVIP

摘 摘 要 知识发现与数据挖掘究其本质讲是一种机器学习。分类是许多机器学习 问题解决的基础。随着科技的不断进步和研究的进一步深入，单分类器已不 能满足人们的应用要求，在这种情况F，多分类器组合便成为解决分类问题 的一种重要的手段。本文深入讨论了多分类器组合及知识发现与数据挖掘中 存在的问题，结合基于知识库的知识发现研究探讨了用粗糙集理论进行知识 发现的模型和方法。 总结起来，本文做了如下几个方面的研究工作： ◆提出了一种基于知识库的知识发现模型，是一种高效的基于知识库的 机器学习方法，能更好地发现知识库中的知识。该模型可以对超大数 据库进行分段／分块处理，也可以推广到分布式数据挖掘上来，在增 量式学习和异种数据源的处理上也是可以胜任的； ◆本文给出了相应的基于粗糙集的改进算法，对规则知识作了试验工作 并给出了试验的结果，表明本文给出的改进算法的可行性和有效性。 ◆在对规则知识的矛盾、冲突等处理上也给出了自己的办法，改进目前 研究中的一些不足，提高了知识的精度。 ◆本文提出的模型及相应的改进算法工作主要集中在对知识库的一种 更深层次的知识发现，而不同于KDDK机制，因为后者主要是对发 现的知识进行学习。反过来又指导KDD过程。 ◆将粗糙集理论引入到了基于知识库的知识发现中并取得了良好的效 果。粗糙集理论较一些常用的知识发现与数据挖掘方法有很多优势， 比如不需要先验知识，算法简单，易于操作等。 关键词：知识发现； 数据挖掘； 粗糙集； 多分类器 ABSTRACTKnowledge ABSTRACT Knowledge Discovery in Database(KDD)and Data Mining(DM)are Machine Learning methods in essence．And classification is the basis of the common Machine Learning problem．With the development of science and technology and the expansion of research work，the single-classifier can’t satisfy application requirements of researchers．In this paper,problems in multi-classifier combination，KDD and DM are discussed and the model and methods of KDD applying Rough Set Theory，combined with Knowledge Discovery in Knowledge Database(KDK)，are analyzed。 The research work of this paper is following： ●A model of KDD based on knowledge base is put forward．It is an efficient Machine Learning method and can better．It can do segmenting dividing with super databases and also can be extended to the distributed data mining． It can be fit for the dealing wilh increment—learning algorithm and heterotgeneous data source． _The corresponding algorithm based oil RS is provided．Experimental results show out the probability and validity of the presented algorithm． _Some solutions to contradictions or conflicts of regular knowledge given out．The present corresponding algorithm is improved and the knowledge precision is advanced． -The deeper knowledge discovery in knowledge base is focused on．And it is different from KDDK because the later mainly learns from t