數(shù)據(jù)挖掘中屬性約簡及分類算法研究.pdf

1、數(shù)據(jù)挖掘是指從數(shù)據(jù)庫中抽取隱含的、具有潛在使用價(jià)值信息的過程，是一種新型的數(shù)據(jù)分析技術(shù)，己經(jīng)被廣泛應(yīng)用于金融、保險(xiǎn)、政府、教育、運(yùn)輸以及國防等領(lǐng)域。粗糙集理論是波蘭數(shù)學(xué)家Z.Pawlak 于1982年提出的一種新的處理模糊和不確定性知識的數(shù)學(xué)工具。本文結(jié)合粗糙集理論著重探討了數(shù)據(jù)挖掘中屬性約簡與分類這兩個(gè)核心問題。以信息系統(tǒng)為研究對象，通過研究完備信息系統(tǒng)下經(jīng)典粗糙集模型的屬性約簡算法理論和方法，并指出了其中存在的不足，提出了一種基于粗

2、糙集的改進(jìn)的屬性約簡算法；對傳統(tǒng)的決策樹算法通過實(shí)例分析，指出算法中存在的問題，提出了一種傳統(tǒng)的決策樹算法的改進(jìn)算法——基于屬性加權(quán)平均重要性的決策樹構(gòu)造算法WMAS。本文主要工作及創(chuàng)新點(diǎn)如下：
　　 1.在對各種屬性約簡啟發(fā)式算法中屬性重要性研究基礎(chǔ)上，提出了屬性加權(quán)平均重要性的概念，該重要性綜合考慮了屬性對決策分類的重要性和在屬性中的重要性。
　　 2.如何高效的實(shí)現(xiàn)粗糙集的屬性約簡，一直是粗糙集理論研究的重要內(nèi)容。

3、
　　 理論已經(jīng)證明，搜索粗糙集屬性約簡的最優(yōu)解是一個(gè)NP問題，因此，目前的研究已集中于如何求得屬性約簡的次優(yōu)解上。本文先討論了經(jīng)典粗糙集的約簡算法，在此基礎(chǔ)上提出了一種基于粗糙集的屬性約簡改進(jìn)算法，該算法在屬性約簡中不僅考慮到屬性的重要性而且考慮了屬性的信息量，能夠得到信息系統(tǒng)的一個(gè)約簡，且不需要求核，減少計(jì)算量，提高計(jì)算速度。
　　 3.通過對基于信息熵的決策樹構(gòu)造算法的研究得出，該方法存在的主要問題是一棵決策樹中子