基于Rough集理論區(qū)分規(guī)則挖掘方法研究.pdf

1、數(shù)據(jù)挖掘的誕生和發(fā)展是建立在數(shù)據(jù)庫(kù)技術(shù)、人工智能和機(jī)器學(xué)習(xí)等多種學(xué)科發(fā)展的基礎(chǔ)之上的,數(shù)據(jù)挖掘就是從數(shù)據(jù)庫(kù)中積累的大量數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)隱含的、新穎的、對(duì)管理決策具有潛在價(jià)值的知識(shí),它是目前數(shù)據(jù)庫(kù)研究的前沿領(lǐng)域.自從數(shù)據(jù)挖掘概念誕生以來(lái),國(guó)內(nèi)外已對(duì)其進(jìn)行了廣泛的研究,但是目前已知的各種數(shù)據(jù)挖掘方法都對(duì)數(shù)據(jù)質(zhì)量有較高的要求,不能有效的處理數(shù)據(jù)庫(kù)中信息不完備的問(wèn)題.針對(duì)這個(gè)問(wèn)題,該文在研究信息系統(tǒng)Rough集模型的基礎(chǔ)上,研究了具有上述特征數(shù)據(jù)

2、中的知識(shí)發(fā)現(xiàn)方法.首先,該文對(duì)Rough集理論進(jìn)行深入的探討和研究,指出信息系統(tǒng)Rough集模型的下近似集包含數(shù)據(jù)實(shí)體屬于概念的充分條件信息,對(duì)其進(jìn)行概括即可挖掘出概念的區(qū)分規(guī)則.其次,該文研究了基于信息系統(tǒng)的Rough集模型挖掘概念區(qū)分規(guī)則的方法.首先在研究概念爬升方法和Rough集理論中屬性隸屬度原理的基礎(chǔ)上提出了一個(gè)劃分屬性值區(qū)間的算法,該算法能夠有效的解決最小支持度問(wèn)題和最小信任度問(wèn)題.進(jìn)而為了從已離散化的數(shù)據(jù)中概括出潛在的規(guī)則