关联规则挖掘算法优化和概念格粗糙集理论研究

摘要

本文对关联规则挖掘算法优化和概念格粗糙集理论进行了研究。文章认为，粗糙集理论在数据分析中有着独特的作用。对于一些不完整的数据库(有些数据不能完全确定)，可以借用粗糙集方法即作为不完备信息系统来研究。对不完备信息系统构造新的粗糙集，利用上下近似并引入模糊度来刻画不确定程度，从而得到带有模糊度量的决策规则。同时证明了模糊度的一些性质。粗糙集公理化从粗糙集实际问题中抽象出来，不必从原始的上下近似定义出发，只要满足几条公理就能刻划相应的粗糙集，因此其本质特征更为清楚。通过对各类粗糙集的公理集独立性证明，去掉冗余的公理，可以保证公理集的独立性，得到经典关系和模糊关系下的最小公理集。这对进一步研究粗糙集公理化问题提供了理论保证。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

1绪论

2关联规则算法的优化

3概念格中的粗糙近似比较

4不完备信息系统的粗糙集和模糊度

5粗糙集的公理化

6结束语

致谢

参考文献

附录：攻读学位期间发表论文目录