發(fā)布時間：2024-03-03 22:35

　　數(shù)據(jù)挖掘(Data Mining),就是從大量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。分類是一類重要的數(shù)據(jù)挖掘問題,在商業(yè)領(lǐng)域中有著廣泛的應(yīng)用前景。首先從數(shù)據(jù)中選出已經(jīng)分好類的訓練集,在該訓練集上運用數(shù)據(jù)挖掘分類的技術(shù),建立分類模型,對于沒有分類的數(shù)據(jù)進行分類。 粒度計算的思想產(chǎn)生于20世紀70年代,它的基本思想是模仿人類思考問題的方式:人類在思考和解決同一個問題時,或者是先從總體到局部進行觀察、收集、分析各方面的情況;或者反之,從局部到總體收集數(shù)據(jù);或者從各個角度對問題進行不同方面的了解,最后對它們進行綜合分析。近年來,人們開始將粒度計算應(yīng)用到數(shù)據(jù)挖掘領(lǐng)域中,并初步取得了一些成果,成為當前數(shù)據(jù)挖掘領(lǐng)域一個新的研究方向。 本文首先綜述了數(shù)據(jù)挖掘的原理和現(xiàn)狀,從數(shù)據(jù)挖掘和知識分類的角度,以粗糙集理論為基礎(chǔ),在粒度計算方法框架下,借鑒已有的軟計算理論成果,做了一些相關(guān)的研究,主要的研究內(nèi)容包括: (1)研究了基于決策樹模型的信息系統(tǒng)分類問題。以粗糙集理論為基礎(chǔ),結(jié)合知識關(guān)系具有粒度性質(zhì)的原理,從條件屬性集和決策屬性集之間關(guān)聯(lián)度來選擇決策屬性集,從而定義了粒度商的...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖2.1集合X的正區(qū)域、負區(qū)域和邊界區(qū)域丑NR(x)為集合的上近似與下近似之差

RX口NE吼(x卜U。集合x關(guān)于R的邊界區(qū)域定義為:丑N孟(X)=RX一鮮一個集合XgU的下近似和上近似，將論域U劃分為三個不相交的區(qū)域:正區(qū)域尸�！�，(x)、負區(qū)域NE吼(X)、和邊界區(qū)域刀ND，(x)，如圖2.1所示。;;;鬢纓鬢鬢鬢黝瓢蘸....

圖4.IX選粗粒度Rn圖4.ZX選細粒度Rn一1

江蘇大學高校教師碩士學位論文對于粗糙集x，我們首先選擇一個較粗的粒度R:(如圖4.1)，計算x的正域POS。(x)和邊界域朋凡(x)，若在當前的知識體系之下，PoS。(x)己經(jīng)能夠精細表達，無需進一步的操作，我們只需考慮尚不能精確表達的x的朋凡(x)，對邊界中諸元素，我們可以適當....

本文編號：3918457