基于粒度计算模型的数据挖掘方法研究

发布时间：2024-03-03 22:35

　　数据挖掘(Data Mining),就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。分类是一类重要的数据挖掘问题,在商业领域中有着广泛的应用前景。首先从数据中选出已经分好类的训练集,在该训练集上运用数据挖掘分类的技术,建立分类模型,对于没有分类的数据进行分类。 粒度计算的思想产生于20世纪70年代,它的基本思想是模仿人类思考问题的方式:人类在思考和解决同一个问题时,或者是先从总体到局部进行观察、收集、分析各方面的情况;或者反之,从局部到总体收集数据;或者从各个角度对问题进行不同方面的了解,最后对它们进行综合分析。近年来,人们开始将粒度计算应用到数据挖掘领域中,并初步取得了一些成果,成为当前数据挖掘领域一个新的研究方向。 本文首先综述了数据挖掘的原理和现状,从数据挖掘和知识分类的角度,以粗糙集理论为基础,在粒度计算方法框架下,借鉴已有的软计算理论成果,做了一些相关的研究,主要的研究内容包括: (1)研究了基于决策树模型的信息系统分类问题。以粗糙集理论为基础,结合知识关系具有粒度性质的原理,从条件属性集和决策属性集之间关联度来选择决策属性集,从而定义了粒度商的...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图2.1集合X的正区域、负区域和边界区域丑NR(x)为集合的上近似与下近似之差

RX口NE吼(x卜U。集合x关于R的边界区域定义为:丑N孟(X)=RX一鲜一个集合XgU的下近似和上近似，将论域U划分为三个不相交的区域:正区域尸。￡，(x)、负区域NE吼(X)、和边界区域刀ND，(x)，如图2.1所示。;;;鬓缨鬓鬓鬓黝瓢蘸....

图4.IX选粗粒度Rn图4.ZX选细粒度Rn一1

江苏大学高校教师硕士学位论文对于粗糙集x，我们首先选择一个较粗的粒度R:(如图4.1)，计算x的正域POS。(x)和边界域朋凡(x)，若在当前的知识体系之下，PoS。(x)己经能够精细表达，无需进一步的操作，我们只需考虑尚不能精确表达的x的朋凡(x)，对边界中诸元素，我们可以适当....

本文编号：3918457