基于粗糙集理论的数据挖掘方法研究-计算数学专业论文.docxVIP

摘 摘 要 本文遥过在褪糙集懿倍惠表示翁蘩醚上，由鼗糙集蕊代数表示窝信息表示瓣 ～致性，旋出了一种基于信息量的糯糙集属性约简算法，该冀法的基本愚想蹙通 过属性塑髅性的发量求出粗糙集的核，然后在核的基础上，继矮依据属性重疆性 魏度量，隧约篱鹁信息鳖裙愿莛性焱舍懿蕊惫量棚等这一准刘柬逐芎j二鬓牲约麓， 算法篱荦，效率离。 通过研究传统数据挖掘方法的知识评估标准缀小支持度葶口娥小嚣信艘，发现 有些知识可能被忽略，提出新增的知识评估标准——支持度最小膨胀艘和支持度 楚，{、颈{ll{|臻，稳溪这舔令王l}麴魏知识译估标灌，练合爨毒支蒋凌窝最小置信发柩 准，对数据库述行分部挖掘，可以褥出更加深屡次的有趣的知识。并举例浇磷了 这一对新增标准的可行性。 传绞数键笼攘方法一般是以寥务数据露惫直接静挖掇对象，这裁遮藏了必矮 在挖掘过穗中对于宠大的事务鼗舔瘁送行多次翁扫箍来提取甄鼋鞋，效率比较低。 数据挖掇怒为了完成知濒挖掘这 任务，知识是～耪频繁出现黝属性焚合，它实 际上是一种频繁出现的属性的关联。在此基础上，本文提出了～种伴随2．频繁集 赘鼗摇存豫缝穆，挥隽事务数据瘁鹣醛jii；。存入嚣孛靛是事务数据库中频繁出瑗 (超过一种比最小支持艘小的支持艘滚僮的一静度鲞标准)2元关系酶集合。将 数据挖掘建立在伴随2“频繁集数据的基础上，悬 H军十很好的想法。由于伴随2． 频繁集数糍库本痨是一罩串超出一个确定润篷的2．元璃毪集会，这群，攫多对予挖 菰无蔫豹数据将不菠考懋，两显它本隽是对事务数獾抟一种泛纯，数羹乡。以伴 随2一频繁蕊数据库干挈为数据挖掘瞧对象，可阻避免对于事务数搅库的频繁扫描， 很大程度上提高了挖掘的效率。 本文聚螽～帮分缀会以上三个方疆：疆馋夔2．频繁集为数攒挖撼对象，别矮 基予信息爨瓣糯麓集凰注约篱算法，懿鼹标准加上新增翡知识评估标准速行知识 挖掘。这种数据挖掘方法和结构，饿得算法简单，挖掘效率商，挖掘的知识中除 了传统的数提挖掘方法中珂}丑褥到的那部分之外，包含蓑一些更加有趣的信息。 霆蓝吴煮缀嵩弱实际瘟鼷徐篷。 除此之外，本文还提出了一种黼散的关联规则的挖掘算法。 关键词 数据挖掘；最小支持度；鬣小置信度；粮糙集；信息鬟；属性的重甏矬： 伴随2。频繁黧：最小澎涨度；最小预测馕 AbstractBased Abstract Based on the coherence of information express and algebraic express ofRough set，this paper presents a kind of attribute reduction algorithm with rough set based on information quantlty．7the main idea of this algorithm is to find the Core of attribute set according to the importance of attributes，then to reduce attributes according to the measurement of the importance of attributes， and the information quantity of reduction must be equal to origin attribute set．This algorithm is very easy,and can attain high efficiency． Under the evaluation standards(minimum support and minimum confidence)of traditional DM methods，some knowledge will be ignored．This thesis presents a set of new knowledge evaluation standards(minimum expandability and minimum forecast)．By using this pair of appended evaluation standards，minimum support and minimum confidence，to mine the database part after part,we can get more interesting knowledge in deep layer． Traditional DM methods，generally,use database directly,and scan the database many