基于粗集理論的數(shù)據(jù)挖掘的數(shù)據(jù)預處理研究.pdf

1、隨著信息時代的來臨,人類在各種領域中面臨著越來越多的數(shù)據(jù)信息.與此同時,這些數(shù)據(jù)還在以驚人的速度不斷增長.因此,為了提高工作效率和生活質(zhì)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(shù)據(jù)庫中發(fā)現(xiàn)知識的研究.然而,眾所周知,數(shù)據(jù)庫中往往存在冗余數(shù)據(jù)(Redundant data)、缺失數(shù)據(jù)(Missing data)、不確定的數(shù)據(jù)(Uncertain data)和不一致的數(shù)據(jù)(Inconsistent dat

2、a)等諸多情況,這些數(shù)據(jù)成了發(fā)現(xiàn)知識的一大障礙.因此,在從數(shù)據(jù)庫中發(fā)現(xiàn)知識之前必須對數(shù)據(jù)進行預處理.該論文著重研究數(shù)據(jù)挖掘中的數(shù)據(jù)的預處理,尤其是數(shù)據(jù)離散和屬性約簡.該論文首先介紹了數(shù)據(jù)挖掘的歷史、現(xiàn)狀和可能的發(fā)展方向,并回顧了它的主要方法和技術(shù).然后,論文對粗糙集理論和數(shù)據(jù)預處理從理論和技術(shù)上做了一些介紹,并對數(shù)據(jù)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數(shù)據(jù)離散和屬性約簡兩個方面做的研究工作進行了闡述.論文先

3、提出了連續(xù)性數(shù)據(jù)離散定義的一般性數(shù)學描述,然后在此基礎上提出了一個屬性類別差異離散(Attribute-Class Difference Discretization,ACDD)算法分割點的計算公式.因為目前的離散算法很少既是監(jiān)督的又是動態(tài)的,所以該文研究并提出了這種既是監(jiān)督的,又是動態(tài)的離散算法.它的優(yōu)點是既考慮了類標示,又考慮了各個屬性間內(nèi)在的聯(lián)系.文章中提出的約簡算法則是一種改進的基于差別矩陣的算法,它的目的不在于尋找所有的約簡,