一种基于粗糙集的数据挖掘算法

摘要

为了完善异常点的检测算法，基于粗糙集理论与一定的数据挖掘技术，提出了一种针对异常点的数据挖掘的方法。利用粗糙特征选择方法，采用相似知识粒度的距离度量，研究不确定信息，在减少数据特征的同时还保留其性能。然后再对给定的特征值对对象进行排序，以提高计算复杂性。最后通过在淋巴数据集上进行了实验分析。结果表明，该数据挖掘算法可以把大部分异常点检测出来。同现有的算法相比较，此算法对异常点的检测性质提高了10％～20％左右，表现极大的优越性。