基于粗糙集的区间值属性决策表的数据挖掘的研究

摘要

数据挖掘技术是当今智能系统理论的重要研究内容,它综合运用人工智能、计算智能(人工神经网、遗传算法)、模式识别、数理统计等先进技术从大量数据中挖掘和发现有价值和隐含的知识.粗糙集理论是20世纪80年代初由波兰数学家Z.Pawlak首先提出的一种处理含糊和不确定信息的新型数学工具,其基本思想是在保持分类能力不变的前提下,通过知识约简,导出概念的分类规则.近年来,粗糙集已成为人工智能和信息科学最活跃的研究领域之一,并且在数据挖掘、模式识别、机器学习、知识发现、决策分析等领域得到成功的应用.本文首先介绍了传统粗糙集的基本理论及其应用.传统粗糙集是建立在不可分辨关系(等价关系)基础之上的,用一对上、下近似集合来表示一个不精确的概念.其次,介绍了扩展粗糙集模型—基于多级优势关系的粗糙集模型,它能解决传统粗糙集方法不能解决的有偏好序的多属性决策问题.不完备信息下的数据挖掘是一个难题,但它在实际决策中是不可避免的.利用基于优势关系的扩展粗糙集模型,结合有关模糊集理论知识,给出了一种区间值属性决策表的数据挖掘方法,该方法能有效的挖掘出决策系统的决策规则.提出了区间值多属性决策问题的一种排序方法.使用一个两两比较表代替原来的决策表,通过优势粗糙集理论推理出决策系统的决策规则,进而对决策方案进行排序,获得最佳方案.

目录

文摘

英文文摘

创新性声明和关于论文使用授权的说明

第一章绪论

§1.1数据挖掘的概述

§1.2粗糙集理论概述

§1.3粗糙集和数据挖掘

§1.4本文的主要工作与内容安排

第二章粗糙集理论综述

§2.1粗糙集的基本概念

§2.2决策规则的获取

§2.3粗糙集的化简

第三章数据挖掘综述

§3.1数据挖掘的功能

§3.2数据挖掘流程

§3.3数据挖掘方法

第四章区间值属性决策表的数据挖掘

§4.1数据离散化

§4.2扩展粗糙集模型

§4.3基于优势关系的粗糙集模型

§4.4模糊区间数的排序方法

§4.5区间值属性决策表的数据挖掘方法

§4.6应用算例

§4.7总结

第五章区间值多属性决策问题的一种排序方法

§5.1有序信息表

§5.2有序信息表的分析

§5.3基于优势关系的两两比较表

§5.4区间数的偏好序关系

§5.5区间值多属性决策表的排序方法

§5.6应用算例

§5.6总结

第六章数据挖掘的应用和发展趋势

§6.1数据挖掘的应用

§6.2数据挖掘的发展趋势

结束语

致谢

参考文献

在读期间所撰写的论文