收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粗糙集扩展模型及其在数据挖掘中的应用研究

赛英  
【摘要】: 数据挖掘和知识发现是从数据中获取知识的一种新技术。粗糙集作为一种处理不完全、不精确及不确定信息的有效方法,在数据挖掘和知识发现领域大有用武之地。粗糙集方法的成功应用很大程度上依赖于其理论的完善,只有深入地研究粗糙集的理论体系,才能将之更有效地应用到实际领域。本文以国家自然科学基金项目“管理决策中数据仓库与数据挖掘新技术研究”为背景,从理论和应用两个方面较全面和系统地阐述了这一理论的研究内容和方法。完成的工作和取得的创新性成果在于: 经过对粗糙集理论的深入研究,作者找到了粗糙集与模态逻辑、模糊集、代数系统和区间集代数等抽象理论之间的关系,一是粗糙集可以为抽象理论提供语义解释,从而使我们能更好地理解掌握这些抽象理论;二是粗糙集建立了各个独立的抽象理论之间的内在关系,使彼此独立的抽象理论联系在了一起。 作者研究了粗糙集扩展理论,提出了一种多层粗糙集模型CBM-RS。该模型是一种基于覆盖的扩展的多层粗糙集模型。经过验证,二元自反关系序列下的多层粗糙集模型是CBM-RS模型的特例。CBM-RS模型突破了局限在二元关系之上的多层粗糙集模型的研究。另外,作者提出了基于分类正确度的粗糙集模型,该模型已用于作者研制的数据挖掘方法MIE-RS上。 作者提出了从不一致决策表中挖掘最简规则的粗糙集方法MIE-RS。通过分类正确度有效处理了决策表的不一致性,采用启发式算法,挖掘出满足给定精确度的最简产生式规则知识。作者构造了Hash函数来实现算法,有效降低了算法的时间复杂度。并用多个UCI数据集进行了测试,与著名的Rosetta软件进行了实验对比,结果说明MIE-RS可以大大提高总的数据约简量,有效地简化最终得到的规则知识。 作者提出了有序信息表上的数据分析与数据挖掘模型OITM。从数据挖掘的角度考虑对象排序问题,通过引进属性值上的有序关系,作者扩充了常见的属性值方法,提出了有序信息表的形式化概念,进而提出了一个有序信息表上的数据分析方法,通过分析有序信息表中的属性依赖,定义了有序信息表的约简集和核的概念;作者还提出和形式化了有序信息表中挖掘有序规则的问题,设计了有序决策逻辑语言(ODL),并给出了一个挖掘有序规则的方法。基于有序关系来挖掘有序规则可看作是粗糙集模型的非等价关系扩展的一个具体应用实例。 本文的研究成果,对于拓宽粗糙集的理论及粗糙集在数据挖掘中的应用,有一定的理论和实践意义。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 许中卫,李龙澍;基于粗糙集理论的数据挖掘算法研究[J];微机发展;2001年01期
2 胡彧;张亦军;杨冬梅;;粗糙集结合遗传算法在数据挖掘中的应用[J];计算机应用;2006年S1期
3 李智玲;张亦军;胡彧;;基于粗糙集的遗传算法在数据挖掘中的应用[J];科技情报开发与经济;2009年09期
4 范娟;王红艳;;知识发现中的数据离散化处理[J];保定师范专科学校学报;2006年02期
5 谭耀武;;基于数据挖掘粗糙集技术的电信运营商客户价值评价[J];沿海企业与科技;2006年01期
6 张文宇;;一种基于有序属性决策系统分类规则提取策略[J];控制理论与应用;2007年02期
7 时希杰,沈睿芳,吴育华;基于粗糙集理论的研究生招生预测[J];微计算机应用;2005年01期
8 胡启韬;袁志平;周忠海;;基于粗糙集和遗传算法的数据挖掘方法[J];电脑知识与技术;2008年11期
9 黄海云;;图书馆数据挖掘服务系统中粗糙集算法的原理及应用[J];河北工业科技;2010年05期
10 胡启韬;袁志平;周忠海;;基于粗糙集和遗传算法的数据挖掘方法[J];江西蓝天学院学报;2008年S1期
11 刘云枫;柯林;;一种改进的基于粗糙集的数据挖掘方法研究[J];情报杂志;2008年05期
12 汪小燕;;粗集结合决策树在高校图书馆中的应用[J];电脑学习;2008年05期
13 柳炳祥;邓欢军;高淑妍;陈欢欢;;基于数据挖掘的图书馆个性化服务系统[J];现代情报;2007年03期
14 唐少先;;数据挖掘中粗糙集边界的处理方法[J];计算机工程与应用;2010年07期
15 李永敏,朱善君,陈湘晖,张岱崎,韩曾晋;基于粗糙集理论的数据挖掘模型[J];清华大学学报(自然科学版);1999年01期
16 赵连胜,行飞;基于粗糙集面向属性的数据挖掘及改进[J];内蒙古大学学报(自然科学版);2002年01期
17 刘发升,杨惠;一种带松弛因子的统计粗糙集挖掘算法[J];计算机应用;2004年08期
18 赵广社,张希仁;数据挖掘中的统计方法概述[J];计算机测量与控制;2003年12期
19 罗新星,彭久生;基于粗糙集理论的数据挖掘方法在电子商务中的应用[J];科技情报开发与经济;2003年07期
20 孙涛;董立岩;李军;张羽翔;;用于粗糙集约简的并行算法[J];吉林大学学报(理学版);2006年02期
中国重要会议论文全文数据库 前10条
1 陈楚湘;沈建京;陈冰;尚长兴;王运成;;运用粗糙集理论建立中老年肺炎中医症候诊断标准[A];第二十九届中国控制会议论文集[C];2010年
2 王旭阳;王彤;李明;;基于粗糙集理论的分类规则挖掘方法[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
3 易向军;宋威;;数据挖掘技术在冶金MES中的应用探讨[A];冶金自动化信息网年会论文集[C];2004年
4 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年
5 李晓丽;王彤;杜振龙;;基于粗糙集理论的流数据最优特征选择[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
6 葛丽;傅彦;;粗糙集在科学数据属性约简中的应用[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
7 聂力;王翰虎;;一个基于粗糙集理论的分类规则学习算法[A];第十六届全国数据库学术会议论文集[C];1999年
8 刘永红;薛青;郑长伟;;基于粗糙集理论的C4ISR评估方法[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年
9 赵明清;陶树平;;基于模糊等价关系的粗糙集[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
10 赵荣珍;杨娟;黄显华;;粗糙集理论的故障知识发现及其工程应用模式研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 马君华;粗糙集属性约简和聚类算法及其在电力自动化中的应用研究[D];华中科技大学;2010年
2 刘业政;基于粗糙集数据分析的智能决策支持系统研究[D];合肥工业大学;2002年
3 张国军;基于粗糙集的相对属性约简算法及决策方法研究[D];华中科技大学;2010年
4 王曙燕;医学图像智能分类算法研究[D];西北大学;2006年
5 刘洪波;汉语认知脑数据挖掘相关算法及应用研究[D];大连理工大学;2006年
6 赛英;粗糙集扩展模型及其在数据挖掘中的应用研究[D];中国人民解放军国防科学技术大学;2002年
7 王明春;基于粗糙集的数据及文本挖掘方法研究[D];天津大学;2005年
8 杨习贝;不完备信息系统中粗糙集理论研究[D];南京理工大学;2010年
9 纪霞;不完备信息系统中粗糙集理论的扩展研究与应用[D];安徽大学;2010年
10 赵佰亭;混合决策系统的粗集模型及在转台故障诊断中的应用[D];哈尔滨工业大学;2010年
中国硕士学位论文全文数据库 前10条
1 魏悦亮;粗糙集在数据挖掘不确定性问题中的研究[D];中国石油大学;2010年
2 于兴网;粗糙集属性约简算法在数据挖掘中的研究[D];重庆大学;2004年
3 杨柳;基于粗糙集的数据挖掘技术研究及其在智能软件中的实现[D];电子科技大学;2004年
4 武金艳;粗糙集与证据理论在医疗智能诊断系统中的应用研究[D];湖南大学;2010年
5 吕望;基于粗糙集的车辆超载自动检测方法研究[D];长沙理工大学;2010年
6 田静宜;基于粗糙集和神经网络的柴油机故障诊断研究[D];中北大学;2011年
7 雷明;基于粗糙集理论的决策表压缩[D];华北电力大学(北京);2010年
8 邹维丽;基于集值粗糙集的近似集增量更新方法研究[D];西南交通大学;2010年
9 袁晓娟;基于粒计算的双论域粗糙集模型研究[D];兰州大学;2010年
10 穆海芳;基于粗糙集理论的故障诊断知识获取研究[D];合肥工业大学;2010年
中国重要报纸全文数据库 前10条
1 王玮 蔡莲红;数据挖掘走入语音处理[N];计算机世界;2001年
2 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
3 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
4 张立明;数据挖掘之道[N];网络世界;2003年
5 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
6 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
7 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
8 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
9 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
10 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978