基于粗糙集合和信息熵的分類模型研究.pdf

1、數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(KDD)是當(dāng)前涉及統(tǒng)計(jì)學(xué)、人工智能、數(shù)據(jù)庫(kù)等學(xué)科的熱門(mén)研究領(lǐng)域.數(shù)據(jù)挖掘(DM)是從數(shù)據(jù)中提取人們感興趣的、潛在的、可用的知識(shí),并表示成用戶可理解的形式.分類是數(shù)據(jù)挖掘的一個(gè)重要分支,分類能找出描述數(shù)據(jù)類或概念的模型(或函數(shù)),以便能使用模型預(yù)測(cè)類標(biāo)記未知的對(duì)象類.粗糙集合是波蘭數(shù)學(xué)家Pawlak提出的一種對(duì)不確定性知識(shí)的表示方法,粗糙集合理論憑借其獨(dú)特的優(yōu)勢(shì)而在KDD領(lǐng)域中具有越來(lái)越重要的地位.信息熵是信息論的一個(gè)

2、概念,目前被廣泛用于數(shù)據(jù)分析領(lǐng)域.該文提出了一種基于粗糙集合和信息熵的RSE算法模型,該算法模型包括兩個(gè)組成部分—分類模型和預(yù)測(cè)模型.分類模型是以經(jīng)典的粗糙集合理論和信息熵理論為基礎(chǔ),依據(jù)信息熵理論對(duì)屬性進(jìn)行篩選,依據(jù)不可區(qū)分關(guān)系確定等價(jià)類,從而提取決策規(guī)則.預(yù)測(cè)模型是以粗糙集合的擴(kuò)展模型—容差粗糙集合模型為基礎(chǔ),依據(jù)對(duì)象與決策規(guī)則容差的定義,給出待測(cè)對(duì)象的預(yù)測(cè)類別.此外,我們?cè)O(shè)計(jì)了基于RSE算法模型和ID3算法模型的原型系統(tǒng)—R-DM