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)庫技術、人工智能和機器學習等多種學科發(fā)展的基礎之上的,數(shù)據(jù)挖掘就是從數(shù)據(jù)庫中積累的大量數(shù)據(jù)中自動發(fā)現(xiàn)隱含的、新穎的、對管理決策具有潛在價值的知識,它是目前數(shù)據(jù)庫研究的前沿領域.自從數(shù)據(jù)挖掘概念誕生以來,國內(nèi)外已對其進行了廣泛的研究,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)庫中信息不完備的問題.針對這個問題,該文在研究信息系統(tǒng)Rough集模型的基礎上,研究了具有上述特征數(shù)據(jù)

2、中的知識發(fā)現(xiàn)方法.首先,該文對Rough集理論進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)實體屬于概念的充分條件信息,對其進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上提出了一個劃分屬性值區(qū)間的算法,該算法能夠有效的解決最小支持度問題和最小信任度問題.進而為了從已離散化的數(shù)據(jù)中概括出潛在的規(guī)則