基于粗糙集的數(shù)據(jù)挖掘改進(jìn)的屬性約簡(jiǎn)算法研究

《基于粗糙集的數(shù)據(jù)挖掘改進(jìn)的屬性約簡(jiǎn)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、電子科技大學(xué)UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA碩士學(xué)位論文MASTERDISSERTATION論文題目：基于粗糙集的數(shù)據(jù)挖掘改進(jìn)的屬性約簡(jiǎn)算法研究學(xué)科專(zhuān)業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：祝峰教授作者姓名：王麗娜班學(xué)號(hào)：200921060270萬(wàn)方數(shù)據(jù)分類(lèi)號(hào)密級(jí)UDC學(xué)位論文基于粗糙集的數(shù)據(jù)挖掘改進(jìn)的屬性約簡(jiǎn)算法研究（題名和副題名）王麗娜(作者姓名)指導(dǎo)教師姓名祝峰教授電子科技大學(xué)成都(職務(wù)、職稱(chēng)、學(xué)位、單位名稱(chēng)及地址)申請(qǐng)學(xué)位級(jí)別碩士專(zhuān)業(yè)名稱(chēng)計(jì)算機(jī)軟件與理論論文提交

2、日期2012.03論文答辯日期2012.05學(xué)位授予單位和日期電子科技大學(xué)答辯委員會(huì)主席評(píng)閱人年月日注1注明《國(guó)際十進(jìn)分類(lèi)法UDC》的類(lèi)號(hào)萬(wàn)方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。簽名：日期：年月日關(guān)于論文使用授權(quán)的說(shuō)明本學(xué)位論文作者完全了解

3、電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)，允許論文被查閱和借閱。本人授權(quán)電子科技大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）簽名：導(dǎo)師簽名：日期：年月萬(wàn)方數(shù)據(jù)摘要摘要目前數(shù)據(jù)挖掘的方法有很多，本文主要研究了數(shù)據(jù)挖掘中的粗糙集方法，重點(diǎn)研究了基于粗糙集的屬性約簡(jiǎn)算法在數(shù)據(jù)挖掘規(guī)則提取階段的應(yīng)用。粗糙集在數(shù)據(jù)挖掘中通常被用于知識(shí)的約簡(jiǎn)，從而進(jìn)行規(guī)則的提取。屬性約簡(jiǎn)是粗糙集

4、理論研究的核心內(nèi)容之一。本文對(duì)傳統(tǒng)的基于粗糙集的屬性約簡(jiǎn)算法深入研究的同時(shí)進(jìn)行了改進(jìn)，并針對(duì)大規(guī)模數(shù)據(jù)集的數(shù)據(jù)挖掘，提出了一種新的屬性約簡(jiǎn)算法。粗糙集理論是一種新的處理模糊和不精確問(wèn)題的重要數(shù)學(xué)工具，是一種新的數(shù)據(jù)挖掘技術(shù)。傳統(tǒng)的屬性約簡(jiǎn)算法要么空間復(fù)雜度比較高，要么約簡(jiǎn)不夠精確，本文提出的新的屬性約簡(jiǎn)算法很好的解決了空間復(fù)雜度的問(wèn)題，適合對(duì)數(shù)據(jù)挖掘中的大表、大文件進(jìn)行約簡(jiǎn)，從而得出具體的規(guī)則，這是傳統(tǒng)的屬性約簡(jiǎn)算法不能做到的。本文的主要研究?jī)?nèi)容如下：（1）對(duì)基于粗糙集的數(shù)據(jù)挖掘研究現(xiàn)狀進(jìn)行了分析；深入研究了粗糙集相關(guān)理論知

5、識(shí)和數(shù)據(jù)挖掘相關(guān)技術(shù)；將粗糙集與數(shù)據(jù)挖掘相結(jié)合，著重研究了基于粗糙集的數(shù)據(jù)挖掘模型，對(duì)粗糙集在數(shù)據(jù)挖掘中的應(yīng)用進(jìn)行了系統(tǒng)分析。（2）對(duì)幾種傳統(tǒng)的基于粗糙集的屬性約簡(jiǎn)算法進(jìn)行了深入研究，并分析其各自的優(yōu)缺點(diǎn)。在此基礎(chǔ)上，提出了一種改進(jìn)的基于差別矩陣的屬性約簡(jiǎn)算法，并通過(guò)實(shí)驗(yàn)驗(yàn)證其有效性。（3）針對(duì)傳統(tǒng)屬性約簡(jiǎn)算法在應(yīng)用中暴露出的問(wèn)題，本文借助數(shù)據(jù)結(jié)構(gòu)中的樹(shù)型結(jié)構(gòu)建立了多叉樹(shù)理論，并在此基礎(chǔ)上提出了一種新的基于多叉樹(shù)的屬性約簡(jiǎn)算法。該算法相對(duì)于傳統(tǒng)屬性約簡(jiǎn)算法來(lái)說(shuō)空間復(fù)雜度較低，適合對(duì)數(shù)據(jù)挖掘中的大表、大文件進(jìn)行約簡(jiǎn)，從而得出具

6、體的規(guī)則，較傳統(tǒng)的屬性約簡(jiǎn)算法有很大優(yōu)勢(shì)。（4）在UCI中選取三個(gè)不同規(guī)模的數(shù)據(jù)集作為測(cè)試訓(xùn)練集，通過(guò)對(duì)兩個(gè)對(duì)比算法進(jìn)行詳細(xì)的仿真實(shí)驗(yàn)，驗(yàn)證了基于多叉樹(shù)算法的可行性和有效性。關(guān)鍵詞：數(shù)據(jù)挖掘，粗糙集，屬性約簡(jiǎn)I萬(wàn)方數(shù)據(jù)ABSTRACTABSTRACTCurrently,therearemanycommonlyuseddataminingmethods,andthisthesismainlystudiestheroughsetsmethodindatamining,andfocusesonthealgorithmsbasedo

7、nroughsetsintheapplicationoftheruleextractionstage.Roughsetsindataminingisusuallyusedforknowledgereduction,toextracttherule.Attributereductionisoneofthecorecontentofroughsettheory.Thisthesisstudiestheattributereductionalgorithmbasedonroughsetsin-depthandputsforward

8、theimprovementmethod.Atthesametime,anewattributereductionalgorithmisproposed.Roughsetstheoryisanewmathematicaltoolthatcandealwiththefuzzyandimpre