粗糙集数据挖掘方法及其在相关决策问题中的应用

摘要

数据挖掘是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息的过程。粗糙集理论是一种用于处理不确定性和含糊性知识的数学工具，由于其本身具有的一些特点，比如它采用数据驱动的方法、无需任何辅助信息、易于处理离散数据并容易与关系型数据库相融和等，因此特别适合于知识发现和数据挖掘的任务。 本文首先深入研究了粗糙集数据挖掘中的决策表约简问题，包括属性约简和属性值约简。关于属性约简，在总结现有约简方法的基础上，改进了一种基于区分矩阵的属性约简算法，又将粗糙集理论与智能算法相结合，提出了一种基于蚁群优化算法的属性约简方法。其次，在值约简方面，提出了一种较快捷的基于属性值重要性排序的值约简方法。粗糙集模型扩充方面，主要讨论了不完备信息系统及其属性约简问题，给出了一个基于遗传算法的属性约简方法。 最后，根据前几章的讨论，设计实现了一个粗糙集数据挖掘系统模型，并将该模型应用于基于B/S结构的飞行机组人为差错防范训练系统中。该模型系统具有良好的人机交互界面和通用性，涵盖了数据挖掘的一般过程，具有一定的实际应用价值。

目录

文摘

英文文摘

声明

第一章 绪论

1.1论文选题背景与意义

1.2粗糙集理论的发展及研究现状

1.3粗糙集理论基础

1.4论文主要内容及安排

第二章 决策信息系统属性约简算法研究

2.1引言

2.2相关概念

2.3几种典型的属性约简算法及其分析

2.4基于一种改进区分矩阵的属性约简方法

2.4.1基于Skoworn区分矩阵的属性约简方法的局限性

2.4.2改进的区分矩阵定义及其性质

2.4.3基于改进区分矩阵的属性约简算法

2.4.4实例分析

2.5基于蚁群算法的属性约简方法

2.5.1蚁群优化算法(ACO)简介

2.5.2基于蚁群优化算法的属性约简

2.5.3实验结果及比较分析

2.6本章小结

第三章 决策信息系统属性值约简算法研究

3.1引言

3.2基本概念

3.3几种常见的值约简算法

3.4一种基于属性值重要性排序的值约简算法

3.4.1相关定义

3.4.2基于属性值重要性排序的值约简算法

3.4.3实例分析

3.5本章小结

第四章 一种扩展粗糙集模型及其属性约简算法

4.1引言

4.2不完备信息系统与相容关系

4.3相关子集与决策属性支持度

4.4条件属性对决策重要性的度量

4.5基于容差关系的不完备信息系统属性约简遗传算法

4.5.1遗传算法的基本原理

4.5.2遗传约简算法的实施

4.5.3 实例分析

4.6本章小结

第五章 粗糙集数据挖掘方法在飞行机组人为差错防范系统中的应用

5.1数据挖掘概述

5.2粗糙集理论与数据挖掘

5.3基于粗糙集数据挖掘的机组人为差错防范训练系统

5.3.1系统应用背景及意义

5.3.2系统结构

5.3.3知识发现阶段的设计与实现

5.3.4基于B/S结构训练阶段的设计与实现

5.4本章小结

结论与展望

致谢

参考文献

作者简介