基于粗糙集的數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)的研究與應(yīng)用.pdf

1、數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)(KDD)是涉及人工智能和數(shù)據(jù)庫等學(xué)科的一門當(dāng)前相當(dāng)活躍的研究領(lǐng)域.在當(dāng)今數(shù)字化社會(huì)中,各種商業(yè)、政府、科學(xué)數(shù)據(jù)庫和數(shù)據(jù)量的急劇增長(zhǎng),遠(yuǎn)遠(yuǎn)超過了人類目前已有的分析和理解能力,因此從大量的數(shù)據(jù)中智能地、自動(dòng)地提取出有價(jià)值的知識(shí)和信息的研究,即數(shù)據(jù)庫知識(shí)發(fā)現(xiàn),具有十分重要的現(xiàn)實(shí)意義.本文基于上述背景對(duì)數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)中的一些問題做了較深入的研究.整個(gè)論文由緒論及KDD概述、粗集挖掘理論、連續(xù)屬性離散化和分類規(guī)則發(fā)現(xiàn)及實(shí)例四大部分

2、組成.本文首先系統(tǒng)的概述了數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)和粗糙集的基本理論,然后介紹了離散化的兩種基本離散方法:歸并與劃分,給出了一種適用粗集離散的的離散算法——面向?qū)傩灾匾缘碾x散方法,并且在討論歸并策略基礎(chǔ)上提出了一種新的歸并策略以及在此基礎(chǔ)上的改進(jìn)算法.實(shí)驗(yàn)結(jié)果表明,采用改進(jìn)的離散化方法作為連續(xù)值屬性預(yù)處理手段,歸并的效果要好于未改進(jìn)的的離散方法.最后介紹了面向粗糙集的缺省規(guī)則挖掘算法,給出正虹集團(tuán)賒帳主題挖掘?qū)嵗?KDD正處在起步階段,有許多問