知識挖掘在時序信號分析系統(tǒng)中的應用.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、現今社會信息技術飛速發(fā)展,人們在日常工作中會積累大量的多種類型的時序數據。所謂時序數據是指按時間順序排列的觀測值的集合。對于這些大量的時序數據進行分析處理,挖掘其背后蘊涵的價值信息,具有重要的實際意義。粗糙集理論是波蘭數學家Pawlal.Z于1982年提出的一種分析模糊和不確定知識的強有力的數學工具。它能夠有效地處理不完整、不確定知識的表達和推理。這個特點使得粗糙集理論非常適合應用于時序數據的分析處理。
   首先,本文研究了時

2、間序列信息系統(tǒng)的獲取方法,它是轉換為非時序信息系統(tǒng)的前提,同時也是屬性約簡和規(guī)則提取的基礎。時序信息系統(tǒng)可以從原始離散數據中獲得,也可以從實時時序信息系統(tǒng)轉換得到,然后將時序信息系統(tǒng)轉化成可以使用粗糙集進行屬性約簡的信息系統(tǒng)。其次,對轉化后的決策表進行屬性約簡,同時也是數據挖掘的基礎。本文詳細介紹了幾種約簡算法的處理過程并且舉算例進行驗證分析,得出基于集合近似質量的屬性約簡算法較其他幾種算法簡單明了,約簡效果令人滿意。另一方面,由于基于

3、差別矩陣的約簡策略使用范圍廣,但算法計算復雜度大且效率低,所以針對這些問題,本文對一種基于差別矩陣的算法進行改進,以屬性頻率作為選擇屬性的啟發(fā)信息,用過濾差別矩陣替代差別矩陣得到屬性頻率,避免了低效率大復雜度的計算,同時也可以得到很好的約簡效果。最后,本文研究了規(guī)則獲取的方法。由于數據庫中的時序信號數據在實際情況中大部分是動態(tài)變化的,因此一般的基于靜態(tài)數據庫的規(guī)則獲取方法顯然存在不足。本文給出了一種基于粗糙集和決策樹的增量式規(guī)則獲取方法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論