基于粗糙集的區(qū)間值屬性決策表的數(shù)據(jù)挖掘的研究.pdf

1、數(shù)據(jù)挖掘技術(shù)是當(dāng)今智能系統(tǒng)理論的重要研究內(nèi)容,它綜合運(yùn)用人工智能、計(jì)算智能(人工神經(jīng)網(wǎng)、遺傳算法)、模式識別、數(shù)理統(tǒng)計(jì)等先進(jìn)技術(shù)從大量數(shù)據(jù)中挖掘和發(fā)現(xiàn)有價(jià)值和隱含的知識.粗糙集理論是20世紀(jì)80年代初由波蘭數(shù)學(xué)家Z.Pawlak首先提出的一種處理含糊和不確定信息的新型數(shù)學(xué)工具,其基本思想是在保持分類能力不變的前提下,通過知識約簡,導(dǎo)出概念的分類規(guī)則.近年來,粗糙集已成為人工智能和信息科學(xué)最活躍的研究領(lǐng)域之一,并且在數(shù)據(jù)挖掘、模式識別、機(jī)

2、器學(xué)習(xí)、知識發(fā)現(xiàn)、決策分析等領(lǐng)域得到成功的應(yīng)用.本文首先介紹了傳統(tǒng)粗糙集的基本理論及其應(yīng)用.傳統(tǒng)粗糙集是建立在不可分辨關(guān)系(等價(jià)關(guān)系)基礎(chǔ)之上的,用一對上、下近似集合來表示一個(gè)不精確的概念.其次,介紹了擴(kuò)展粗糙集模型—基于多級優(yōu)勢關(guān)系的粗糙集模型,它能解決傳統(tǒng)粗糙集方法不能解決的有偏好序的多屬性決策問題.不完備信息下的數(shù)據(jù)挖掘是一個(gè)難題,但它在實(shí)際決策中是不可避免的.利用基于優(yōu)勢關(guān)系的擴(kuò)展粗糙集模型,結(jié)合有關(guān)模糊集理論知識,給出了一種區(qū)