粗糙集在知識發(fā)現中的應用研究.pdf

1、隨著數據庫技術的發(fā)展和信息時代的來臨，各行各業(yè)都積累了大量的數據，數據庫中存儲的數據量急劇增加。因此，為了提高工作效率和生活質量，人們必須獲取蘊藏在其中的有價值的信息。為了達到這個目的，人們開始致力于從數據庫中發(fā)現知識的研究。然而，眾所周知，數據庫中往往存在冗余數據、缺失數據、不確定的數據和不一致的數據等諸多情況，這些數據成了發(fā)現知識的一大障礙。 粗糙集理論是1982年同PawlakZ提出，經歷了20多年的發(fā)展，已經在理論和應用

2、上取得了豐碩的成果。它不依賴于數據集之外的附加信息，是處理含有噪聲、不精確、不完整數據的有力工具。許多知識發(fā)現技術僅僅適用于精確集，不適用于粗糙集，而現實中粗糙集是普遍存在的現象，因此基于粗糙集的知識發(fā)現模型在信息系統(tǒng)的研究領域具有重要意義。 本文首先介紹了知識發(fā)現的歷史、現狀和可能的發(fā)展方向，并回顧了它的主要方法和技術。然后，論文對粗糙集理論進行了介紹，并對數據挖掘中的各環(huán)節(jié)運用粗糙集理論的方法進行了分析。隨后論文重點對作者在

3、數據離散方面做的研究工作進行了闡述。論文先提出了連續(xù)性數據離散定義的一般性數學描述，然后在此基礎上通過對一種局部離散化方法的改進，提出了全局的離散化算法。該算法彌補了原算法引入不一致的缺陷，并在保持數據一致性的前提下，進一步分析了離散中分割點的冗余并進行了約簡，并應用UCI中的機器學習數據庫數據進行了驗證，證明了改進算法的有效性。最后本文將對一真實的心臟病病人數據集，應用基于粗糙集的知識發(fā)現技術開發(fā)特征文件，得出一些有價值的模式，從而將