基于粗糙集和數(shù)據(jù)庫(kù)技術(shù)的知識(shí)發(fā)現(xiàn)與推理方法研究.pdf

1、基于數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)(KDD)又稱(chēng)數(shù)據(jù)挖掘(DM)是一種新的用于對(duì)數(shù)據(jù)庫(kù)中大量數(shù)據(jù)進(jìn)行處理的智能信息處理技術(shù)，是構(gòu)建智能商務(wù)、新型決策支持系統(tǒng)等新型智能信息系統(tǒng)的一種基本構(gòu)件，是當(dāng)前智能信息技術(shù)研究的熱點(diǎn)。 粗糙集(Roug集)理論是波蘭數(shù)學(xué)家Pawlak提出的一種研究不精確和不確定問(wèn)題的數(shù)學(xué)工具。是目前公認(rèn)的研究數(shù)據(jù)挖掘、知識(shí)約簡(jiǎn)和粒計(jì)算等的理論基礎(chǔ)。數(shù)據(jù)庫(kù)技術(shù)是管理和操縱數(shù)據(jù)庫(kù)中大量數(shù)據(jù)的最先進(jìn)最有效的技術(shù)。充分利用數(shù)據(jù)庫(kù)技

2、術(shù)所具有的對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)操作的優(yōu)勢(shì)，來(lái)改進(jìn)或設(shè)計(jì)新的適合于大數(shù)據(jù)集的高效數(shù)據(jù)挖掘算法，是許多學(xué)者正在探索的一個(gè)有效途徑。本文以粗糙集理論作為研究的主要理論依據(jù)，并充分考慮和運(yùn)用數(shù)據(jù)庫(kù)技術(shù)的優(yōu)越性，對(duì)目前數(shù)據(jù)挖掘中存在的一些問(wèn)題進(jìn)行了研究，提出了有效可行的解決方案。本文研究?jī)?nèi)容如下： 1.對(duì)屬性約簡(jiǎn)算法中基于分辨矩陣求取核屬性的時(shí)空代價(jià)以及必要性進(jìn)行了分析，基于Rough集和數(shù)據(jù)庫(kù)技術(shù)對(duì)屬性約簡(jiǎn)算法進(jìn)行了改進(jìn)，實(shí)驗(yàn)證明在大數(shù)據(jù)集上

3、該算法的效率大大高于一些基于主存的屬性約簡(jiǎn)算法。 2.針對(duì)Rough集中刻畫(huà)屬性分類(lèi)能力的主要機(jī)制正區(qū)域?qū)傩苑诸?lèi)能力的刻畫(huà)太弱的問(wèn)題，提出了一個(gè)刻畫(huà)屬性分類(lèi)綜合貢獻(xiàn)能力的測(cè)度——屬性分類(lèi)粗糙度，理論分析和實(shí)驗(yàn)表明作為分類(lèi)算法中選擇屬性的測(cè)度，該測(cè)度優(yōu)于信息增益，并與信息增益率相當(dāng)，且計(jì)算更為簡(jiǎn)單。基于該測(cè)度和本文有關(guān)研究提出了一個(gè)具有良好可擴(kuò)展性和適應(yīng)性的分類(lèi)算法，該算法可直接生成決策樹(shù)或分類(lèi)規(guī)則。 3.基于可變精度R