數(shù)據(jù)挖掘中屬性約簡(jiǎn)及分類算法研究.pdf

1、數(shù)據(jù)挖掘是指從數(shù)據(jù)庫(kù)中抽取隱含的、具有潛在使用價(jià)值信息的過(guò)程，是一種新型的數(shù)據(jù)分析技術(shù)，己經(jīng)被廣泛應(yīng)用于金融、保險(xiǎn)、政府、教育、運(yùn)輸以及國(guó)防等領(lǐng)域。粗糙集理論是波蘭數(shù)學(xué)家Z.Pawlak 于1982年提出的一種新的處理模糊和不確定性知識(shí)的數(shù)學(xué)工具。本文結(jié)合粗糙集理論著重探討了數(shù)據(jù)挖掘中屬性約簡(jiǎn)與分類這兩個(gè)核心問(wèn)題。以信息系統(tǒng)為研究對(duì)象，通過(guò)研究完備信息系統(tǒng)下經(jīng)典粗糙集模型的屬性約簡(jiǎn)算法理論和方法，并指出了其中存在的不足，提出了一種基于粗

2、糙集的改進(jìn)的屬性約簡(jiǎn)算法；對(duì)傳統(tǒng)的決策樹(shù)算法通過(guò)實(shí)例分析，指出算法中存在的問(wèn)題，提出了一種傳統(tǒng)的決策樹(shù)算法的改進(jìn)算法——基于屬性加權(quán)平均重要性的決策樹(shù)構(gòu)造算法WMAS。本文主要工作及創(chuàng)新點(diǎn)如下：
　　 1.在對(duì)各種屬性約簡(jiǎn)啟發(fā)式算法中屬性重要性研究基礎(chǔ)上，提出了屬性加權(quán)平均重要性的概念，該重要性綜合考慮了屬性對(duì)決策分類的重要性和在屬性中的重要性。
　　 2.如何高效的實(shí)現(xiàn)粗糙集的屬性約簡(jiǎn)，一直是粗糙集理論研究的重要內(nèi)容。

3、
　　 理論已經(jīng)證明，搜索粗糙集屬性約簡(jiǎn)的最優(yōu)解是一個(gè)NP問(wèn)題，因此，目前的研究已集中于如何求得屬性約簡(jiǎn)的次優(yōu)解上。本文先討論了經(jīng)典粗糙集的約簡(jiǎn)算法，在此基礎(chǔ)上提出了一種基于粗糙集的屬性約簡(jiǎn)改進(jìn)算法，該算法在屬性約簡(jiǎn)中不僅考慮到屬性的重要性而且考慮了屬性的信息量，能夠得到信息系統(tǒng)的一個(gè)約簡(jiǎn)，且不需要求核，減少計(jì)算量，提高計(jì)算速度。
　　 3.通過(guò)對(duì)基于信息熵的決策樹(shù)構(gòu)造算法的研究得出，該方法存在的主要問(wèn)題是一棵決策樹(shù)中子