基于粗糙集理論的聚類研究.pdf

1、數(shù)據(jù)挖掘技術(shù)是機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)和統(tǒng)計(jì)理論相結(jié)合的產(chǎn)物，是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際數(shù)據(jù)中，提取隱含的、先前未知的并有潛在價(jià)值的信息的非平凡過程。在數(shù)據(jù)挖掘領(lǐng)域中，聚類分析是一項(xiàng)重要的研究課題。與分類不同，聚類的目標(biāo)是在沒有任何先驗(yàn)知識(shí)的前提下，根據(jù)數(shù)據(jù)的相似性將數(shù)據(jù)聚合成不同的簇，使得相同簇中的元素盡可能相似，不同簇中的元素差別盡可能大，因此又被稱為非監(jiān)督分類。聚類分析作為數(shù)據(jù)挖掘系統(tǒng)中的一個(gè)模塊，既可以作為一個(gè)單

2、獨(dú)的工具以發(fā)現(xiàn)數(shù)據(jù)庫(kù)中數(shù)據(jù)分布的深層信息，也可以作為其他數(shù)據(jù)挖掘分析算法的一個(gè)預(yù)處理步驟，因此研究如何提高聚類算法的性能具有重要的意義。 粗糙集理論是一種刻畫不確定性和不完整性知識(shí)的數(shù)學(xué)工具，由波蘭數(shù)學(xué)家Pawlak在上世紀(jì)八十年代初首先提出的。粗糙集理論善于分析隱藏在數(shù)據(jù)中的事實(shí)而不需要關(guān)于數(shù)據(jù)的任何附加知識(shí)。該理論以其獨(dú)特的優(yōu)勢(shì)正贏得越來(lái)越多的研究者的關(guān)注，并在各個(gè)領(lǐng)域獲得了廣泛的應(yīng)用。在數(shù)據(jù)挖掘領(lǐng)域，粗糙集最初主要用于分類

3、，而今有關(guān)粗糙集的研究已深入到該領(lǐng)域的各個(gè)方面。 本文首先介紹了數(shù)據(jù)挖掘的定義和主要方法，重點(diǎn)對(duì)聚類分析技術(shù)的各種算法作了詳細(xì)的介紹和比較，并提出了一種改進(jìn)的層次聚類算法；本文仔細(xì)學(xué)習(xí)了粗糙集理論，提出了一種基于代數(shù)運(yùn)算的屬性約簡(jiǎn)方法，針對(duì)粗糙集理論善于處理不精確和不確定性知識(shí)的特點(diǎn)，將粗糙集理論引入聚類分析中，對(duì)傳統(tǒng)聚類方法作了相應(yīng)的改進(jìn)，然后通過實(shí)驗(yàn)驗(yàn)證了這種改進(jìn)有效性；本文最后分析了粒度和聚類的關(guān)系，在粒度框架下研究了粗糙