粗糙集理論在知識發(fā)現數據預處理中的研究與應用.pdf

1、在對實際應用領域進行知識發(fā)現的過程中，由于數據采集能力有限和數據存儲介質損壞等未知情況，所獲取用于挖掘的數據系統往往是不完備的，即存在缺失數據。因為這種數據的不完備性給用來進行挖掘的數據模型引入了噪聲和不確定性，從而使得挖掘出的信息會出現矛盾和混亂的問題，這會嚴重影響知識發(fā)現中的數據挖掘過程和結果。粗糙集理論是由波蘭科學家 Z.Pawlak創(chuàng)立的一種處理數據模糊性和不確定性的數學理論工具，它在處理信息數據的過程中無需任何先驗的領域專家知

2、識，具有一定的客觀性和通用性。因此，本文以粗糙集理論作為理論工具，研究它在數據預處理過程中解決數據缺失值問題中的應用，并最終提出了一個粗糙集理論和關聯規(guī)則中頻繁項集的聯合處理模型。
　　首先，論文介紹了目前不完備信息系統中填補缺失值的主要方法，并分析了各自的優(yōu)缺點，尤其是在國內較受關注的基于粗糙集理論的ROUSTIDA算法和國外的Closest Fit算法。在此基礎上提出了一種融合了粗糙集量化容差和屬性約簡知識的不完備信息系統處理

3、算法 RSF，該算法在描述缺失對象和備選填補對象之間的相似精度和算法運算復雜度上有明顯改善。通過實驗驗證，RSF方法與ROUSTIDA算法相比具有更高的填補精度，比Closest Fit算法擁有更低的運算復雜度。
　　其次，基于以往處理不完備信息系統算法中都忽略的備選填補對象在整個信息系統中的重要性問題。本文提出了一種用關聯規(guī)則中頻繁項集知識來對數據缺失值進行填補的方法，該方法簡便且能提高缺失值的填補精度。由于該方法中無法完成所有