基于粗糙集理論的并行數(shù)據(jù)挖掘算法的研究.pdf

1、粗糙集理論是一種新的處理模糊和不確定知識的軟計算工具。它能有效地分析和處理不精確、不一致、不完整等各種不完備信息，并從中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律。近年來在機器學習、數(shù)據(jù)挖掘等多個領(lǐng)域得到廣泛應(yīng)用。
　　 經(jīng)典的粗糙集知識獲取算法的時間復(fù)雜度都比較高，對于大數(shù)據(jù)集的處理效率不高，這大大限制了粗糙集的實際應(yīng)用。因此，需要研究面向海量數(shù)據(jù)的粗糙集知識獲取算法。
　　 作為一種高性能計算技術(shù)，并行計算已經(jīng)在數(shù)據(jù)挖掘中得到了

2、很好的應(yīng)用。把并行計算應(yīng)用到基于粗糙集的知識獲取算法中，提出面向海量數(shù)據(jù)的粗糙集并行知識獲取算法，將是一個值得研究的問題。
　　 本文結(jié)合并行計算，從粗糙集知識獲取算法的處理效率出發(fā)進行了以下研究工作：
　　 (1)分析了決策表中同一條件屬性的候選斷點集的斷點重要性隨斷點值增大時的分布規(guī)律。基于此規(guī)律，提出了基于動態(tài)聚類的兩步離散化算法。
　　 (2)分析了基于動態(tài)聚類的兩步離散化算法存在的并發(fā)性，提出了基于動態(tài)