基于粗糙集神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘系統(tǒng)及其應(yīng)用.pdf

1、在設(shè)計(jì)數(shù)字化社區(qū)一體化平臺(tái)中，海量的數(shù)據(jù)被存儲(chǔ)在數(shù)據(jù)倉(cāng)庫(kù)中。要充分利用這些數(shù)據(jù)，從這些數(shù)據(jù)中挖掘出潛在的規(guī)律，更好的完善數(shù)字化社區(qū)一體化平臺(tái)的功能，我們?cè)O(shè)計(jì)了一個(gè)基于粗糙集神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘系統(tǒng)。 數(shù)據(jù)挖掘是從大量數(shù)據(jù)中挖掘出隱含的、先前未知的、對(duì)決策有潛在價(jià)值的知識(shí)和規(guī)則。這些規(guī)則蘊(yùn)涵了數(shù)據(jù)庫(kù)中一組對(duì)象之間的特定關(guān)系，提出一些有用的信息，為經(jīng)營(yíng)決策、市場(chǎng)策劃、金融預(yù)測(cè)等提供依據(jù)。 數(shù)據(jù)挖掘常采用的算法及理論有粗糙

2、集(Rou曲Sets)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks)、決策樹(shù)(Decision Trees)、遺傳算法(GeneticAlgorithms)等。 神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘中最為常用的算法之一。它具有高正確率、抗噪聲數(shù)據(jù)能力強(qiáng)、計(jì)算的錯(cuò)誤率低等優(yōu)勢(shì)。但是神經(jīng)網(wǎng)絡(luò)算法也有存在結(jié)構(gòu)相對(duì)復(fù)雜，訓(xùn)練時(shí)間長(zhǎng)、計(jì)算結(jié)果的可解釋度比較低等問(wèn)題。本文將建立一種采用粗糙集理論對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后使用神經(jīng)規(guī)則進(jìn)行