粗糙集理論在關系數(shù)據(jù)庫知識發(fā)現(xiàn)中的應用研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)的逐漸成熟，數(shù)據(jù)應用的迅速普及，以及互聯(lián)網(wǎng)的飛速發(fā)展，人類所積累的數(shù)據(jù)量正以指數(shù)級的速度增長。基于數(shù)據(jù)庫的知識發(fā)現(xiàn)是最近幾年發(fā)展起來的一門新興技術(shù)，它處理數(shù)據(jù)庫中大量的數(shù)據(jù)，挖掘出更深層次的知識、更具決策力的信息。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、隨機的、模糊的數(shù)據(jù)中，提取出隱含在其中的、人們事先不知道的、有價值的知識。其中數(shù)據(jù)預處理是整個數(shù)據(jù)挖掘的關鍵步驟，是數(shù)據(jù)挖掘工作進行之前的必備工作，在這個階段進行屬性的約簡

2、和數(shù)據(jù)的規(guī)范化處理。
　　粗糙集理論是上世紀八十年代初由波蘭數(shù)學家Pawlak首先提出的，它是一種處理模糊和不確定性知識的數(shù)學工具。其中屬性約簡是粗糙集理論的核心內(nèi)容，屬性約簡是保持分類能力不變的前提下，刪除冗余的屬性。傳統(tǒng)的屬性約簡算法是基于主存的算法。基于關系數(shù)據(jù)庫操作的屬性約簡算法利用關系數(shù)據(jù)庫本身的操作算子和SQL操作，能夠比傳統(tǒng)算法更加高效地進行數(shù)據(jù)挖掘。在關系數(shù)據(jù)庫中如何進行屬性約簡，以獲得最高效的數(shù)據(jù)挖掘，是本文研究

3、的重點。
　　本論文主要講述數(shù)據(jù)挖掘中采用粗糙集理論和數(shù)據(jù)庫理論結(jié)合進行數(shù)據(jù)預處理，即刪除冗余屬性、處理殘缺數(shù)據(jù)和噪音數(shù)據(jù)等。論文首先論述了數(shù)據(jù)挖掘的基本概念、流程，粗糙集理論的發(fā)展。接著介紹了粗糙集的一些基本知識，講述了粗糙集的擴展模型，對傳統(tǒng)屬性約簡逐個進行算法分析，并給出算例，提出一種改進的基于屬性重要度的屬性約簡算法。然后結(jié)合擴展的粗糙集模型實現(xiàn)了改進算法，該算法充分結(jié)合擴展粗糙集模型，能夠處理噪音數(shù)據(jù)和殘缺數(shù)據(jù)；由于改進