基于粗糙集與神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘應(yīng)用

《基于粗糙集與神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘應(yīng)用》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、基于粗糙集與神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘應(yīng)用　　摘要：本論文就是根據(jù)電信行業(yè)需求，針對(duì)電信企業(yè)擁有大量詳實(shí)而且豐富的數(shù)據(jù)，但是可用有效數(shù)據(jù)提取困難這一問(wèn)題。首先利用粗糙集理論中的差別矩陣方法對(duì)電信客戶數(shù)據(jù)進(jìn)行屬性約簡(jiǎn)，之后采用BP（BackPropagation）神經(jīng)網(wǎng)絡(luò)建立基于粗糙集和神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘模型，實(shí)現(xiàn)對(duì)電信業(yè)務(wù)系統(tǒng)的客戶數(shù)據(jù)信息進(jìn)行有效分析和高效提取，并通過(guò)matlab實(shí)現(xiàn)了仿真模擬。所建立的模型，減少神經(jīng)網(wǎng)絡(luò)的輸入層個(gè)數(shù)、簡(jiǎn)化了運(yùn)算次數(shù)、縮短了訓(xùn)練時(shí)間并提高數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確度。Abstract：Basedontheneedsofthetelecommuni

2、cationsindustry，fortelecommunicationscompanieswhichhavealargenumberofdetailedandrichdata，butitisdifficultfortheextractionofavailablevaliddata.First，thispapercarriedoutattributereductiontotelecommunicationscustomerdatausingthedifferencematrixmethodofroughsettheory，andthenestablished

3、dataminingmodelbasedonroughsetandneuralnetwork，usingBP（BackPropagation）neuralnetwork，toachieveeffectiveanalysisandefficientextractiontocustomerdata7informationoftelecommunicationservicessystem，andrealizesimulationbymatlab.Theestablishedmodelreducesthenumberoftheinputlayeroftheneura

4、lnetwork，andsimplifiesthenumberofoperations，shortensthetrainingtimeandimprovestheaccuracyofthedataforecast.關(guān)鍵詞：粗糙集；BP神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)挖掘Keywords：roughsets；BPneuralnetwork；datamining中圖分類號(hào)：TP39文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006-4311（2013）07-0185-020引言數(shù)據(jù)挖掘（DataMining—DM）[1]就是從海量的、不完整的、雜亂無(wú)規(guī)律的、模棱兩可的、隨機(jī)的數(shù)據(jù)庫(kù)中，提取隱含的、

5、人們無(wú)法通過(guò)表面現(xiàn)象觀察到的、但又對(duì)人們提供決策支持具有重要意義的信息和知識(shí)的過(guò)程。通過(guò)數(shù)據(jù)挖掘定義可知，數(shù)據(jù)挖掘就是將存儲(chǔ)在數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中的對(duì)提供決策支持具有重要意義的信息和知識(shí)進(jìn)行發(fā)現(xiàn)的過(guò)程。因此，數(shù)據(jù)挖掘又常被稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（KDD）。1粗糙集理論定義17所謂的論域就是我們要研究的非空的數(shù)據(jù)組成的集合，即電信客戶數(shù)據(jù)集一般被存儲(chǔ)在數(shù)據(jù)庫(kù)中，一般情況下用符號(hào)U表示。設(shè)X為U中的子集，則任何子集X？哿U，稱為U中的一個(gè)概念或范疇，U中的任何概念族成為關(guān)于U的抽象知識(shí)，簡(jiǎn)稱為知識(shí)[1]。對(duì)知識(shí)的劃分公式如下：ξ=X■，X■，……X■；X■？奐U，

6、X■？奐？覫，X■∩X■=？覫對(duì)于i≠j；i，j=1，2，…，n；■X■=U。其中Xn代表各個(gè)屬性。定義2若P滿足關(guān)系式P？哿R，且P非空，稱R為P上的不可區(qū)分關(guān)系，記為ind（P）[1，5]，且有如下關(guān)系式：[x]■=■[x]■若K=（U，P）和K′=（U，Q）為兩個(gè)知識(shí)庫(kù)，且滿足關(guān)系ind（P）=ind（Q），即U/P=U/Q，則稱K和K′是等價(jià)的，記作K～K′。定義3知識(shí)約簡(jiǎn)中有兩個(gè)基本概念[2，5]：約簡(jiǎn)（reduct）和核（core），兩個(gè)是包含關(guān)系，滿足關(guān)系式core？哿reduct。設(shè)R和r為兩個(gè)等價(jià)關(guān)系，且存在關(guān)系式r∈R，如果ind（R）=

7、ind（R{r}）7則稱r為R中不必要的，r是冗余的、干擾屬性，在屬性約簡(jiǎn)過(guò)程中可以將r屬性刪除掉，而且不會(huì)影響制定決策；否則r為R中必須保留的屬性，也正是我們做屬性約簡(jiǎn)想要得到的條件屬性。設(shè)Q？哿P，如果Q是獨(dú)立的，且ind（Q）=ind（P），則稱Q為P的一個(gè)約簡(jiǎn)；顯然，P可以有多個(gè)約簡(jiǎn)。P的核記作core（P），P的核是P中所有必要關(guān)系的集合。2差別矩陣屬性約簡(jiǎn)算法優(yōu)化算法差別矩陣又稱為區(qū)分矩陣（discernibilitymatrix），是粗糙集對(duì)數(shù)據(jù)進(jìn)行屬性約簡(jiǎn)的一種方法，這種方法有許多優(yōu)點(diǎn)，但是最突出的優(yōu)點(diǎn)就是它能容易地計(jì)算約簡(jiǎn)和核[3]。設(shè)知識(shí)

8、表達(dá)系統(tǒng)為S=（U，A，V，f），根據(jù)數(shù)據(jù)域U生成的