基于粗糙集面向属性的数据挖掘及改进

摘要

数据挖掘是数据库中知识发现的核心.利用粗糙集进行数据挖掘是近年来被采用的一种新的有效方法,但由于传统粗糙集分类方法守于严格,对噪音过分敏感的缺点,使一些本来很有价值的规则在噪音的干扰下,不能被抽取出来,一定程度限制了它的应用,该文针对信息的不确定性及数据中存的噪音,提出了改进的粗糙集挖掘模式及相就面向属性的约简算法,基于这种方法使对象的分类更合理,约简更有效,抽取的规则更简洁、可信.

目录

摘要

第一章数据挖掘与知识发现

一、数据挖掘与知识发现的概念

二、可挖掘的知识模式

三、数据挖掘的任务

四、数据挖掘的对象

五、数据挖掘的方法

六、数据挖掘的相关技术

七、数据挖掘的步骤

八、数据挖掘的工具

九、数据挖掘中存在的问题

第二章粗糙集理论的一般模式

一、粗糙集的基本概念

第三章改进的粗糙集挖掘模式

一、粗糙集模式的改进

二、UIS下属性的约减

三、最佳约简标准及约简过程

四、基于改进模式的数据与规则(知识)发现步骤

五、示例

六、讨论

参考文献：

Abstract

致谢