基于特征矩阵的数据挖掘方法的研究与应用

摘要

随着数据资源的日益增加，数据挖掘技术迅速发展起来。粗糙集理论作为一种有效的数据挖掘方法，正愈加被人们重视。 首先，本文介绍了数据挖掘和粗糙集的基本理论和主要方法。基于粗糙集的数据挖掘系统主要由三个模块组成：数据预处理模块、属性约简模块和规则生成模块。 其次，研究了基于特征矩阵的属性约简算法，提出一种新的基于特征矩阵的属性重要性分层度量方法，并将该方法应用于属性约简算法中，提出一种新的基于特征矩阵的属性约简算法，用实例证明其正确性与有效性。利用粗糙集中上下近似的概念，对特征矩阵进行扩展定义，将其应用于不一致决策表的近似约简，得出不一致决策表的上、下近似约简。 最后，研究了基于特征矩阵的规则提取方法。

目录

文摘

英文文摘

长春理工大学硕士学位论文原创性声明及学位论文版权使用授权书

第一章序言

§1.1研究的目的和意义

§1.2国内外研究现状

§1.3主要研究内容及论文结构

第二章关于数据挖掘和粗糙集理论

§2.1数据挖掘

§2.2粗糙集理论

§2.3基于粗糙集的数据挖掘系统

第三章基于特征矩阵的属性约简算法

§3.1区分矩阵和区分函数

§3.2基于特征矩阵的决策表约简

§3.3一致决策表的基于特征矩阵的属性约简算法

§3.4不一致决策表的基于特征矩阵的属性约简算法

§3.5小结

第四章基于特征矩阵的规则提取方法

§4.1规则提取

§4.2一致决策表的基于特征矩阵的规则提取

§4.3不一致决策表的基于特征矩阵的规则提取

§4.4小结

第五章结论与展望

§5.1本文工作总结

§5.2展望

致谢

参考文献