用于知识规则挖掘的粗集归纳中类化方法的研究

摘要

针对将面向属性的归纳和粗糙集理论相结合的现有类化方法中存在的属性概化过重地依赖于阈值控制以及没有考虑属性动态变化的缺陷,提出了一种新的类化方法,即通过对分层类化方法的研究,在考虑最小信任度和最小支持率两因素的前提下,提出了粗粒度和细粒度区化方法.将设计的方法用于基于粗糙集理论的知识规则挖掘中,从玻璃碎片的动态数据库中提取了有效规则.交通肇事逃逸侦破系统的应用实践验证了方法的有效性.