知識挖掘在時序信號分析系統(tǒng)中的應用.pdf

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