学位论文 > 优秀研究生学位论文题录展示

基于粗糙集理论与智能计算的分类规则挖掘方法研究

作　者: 谢娟英
导　师: 刘芳
学　校: 西安电子科技大学
专　业: 计算机应用技术
关键词: 分类规则挖掘 属性约简 数量属性离散化 Rough Set理论 进化计算
分类号: TP311.13
类　型: 硕士论文
年　份: 2004年
下　载: 210次
引　用: 3次
阅　读: 论文下载
 

内容摘要


数据挖掘就是从巨量数据信息中获取有意义的知识的过程，目前已经成为一个研究的热点。分类规则挖掘是数据挖掘的一个重要研究领域。在分类规则挖掘中人们通过对历史或已知数据的分析，获得对未来或未知情况判断和预测的依据。属性约简、分类规则提取、数量属性离散化是分类规则挖掘的三个方面。 本文所做的主要工作如下： (1)根据粗糙集理论是处理含糊性和不确定性数据的一种主要数学工具，提出了基于粗糙集理论的可辨识函数的属性约简算法。该算法可以计算出信息系统的所有可能约简，及最佳约简。 (2)提出了基于可辨识函数的分类规则提取算法。该算法能挖掘出简单、通用、易理解的决策规则。 (3)根据进化计算的极强鲁棒性及寻优能力，提出了基于进化计算的数量型属性离散化算法—进化C均值算法。该算法能为数量属性找到最佳或近似最佳的分割点。

全文目录


第一章 绪论  7-14
  1.1 分类规则挖掘的概念  7
  1.2 分类规则挖掘的研究内容  7-8
  1.3 分类规则挖掘的研究进展  8-12
    1.3.1 分类规则挖掘方法的研究进展  8-9
    1.3.2 数量属性离散化的研究进展  9-11
    1.3.3 属性约简的研究进展  11-12
  1.4 粗糙集理论及进化计算在分类规则挖掘中的应用  12-13
  1.5 本文的研究内容及论文组织  13-14
第二章 粗糙集理论  14-28
  2.1 信息系统(Information System, IS)  14-15
  2.2 不可辨识关系(Indiscernibility relation)  15-16
  2.3 下近似和上近似(Lower and Upper approximations)  16-17
  2.4 近似精度(Accuracy of approximation)  17-18
  2.5 属性独立性(Independence of attributes)  18
  2.6 属性的核与属性约简(Core and Reduct of attributes)  18-19
  2.7 可辨识矩阵与可辨识函数(Discernibility Matrix and Discernibility Function)  19-20
  2.8 属性值的核与属性值约简(Core and reducts of attribute values)  20-22
  2.9 分类(Classification)  22-23
  2.10 决策表(Decision table)  23-24
  2.11 D-冗余属性(D-superfluous attributes)  24-25
  2.12 属性的相对核与相对约简(Relative core and relative reducts of attributes)  25-26
  2.13 C的D-辨识矩阵与C的D-核(D-discernibilty matrix and D-core of C)  26-28
第三章 进化计算  28-38
  3.1 进化计算原理  28-29
    3.1.1 进化计算的基本框架  28-29
    3.1.2 进化计算的基本特点  29
  3.2 遗传算法  29-33
  3.3 进化策略  33-35
  3.4 进化规划  35-38
第四章 基于粗糙集理论的分类规则挖掘算法  38-47
  4.1 基于可辨识函数的属性约简算法  38-43
    4.1.1 基于可辨识函数的属性约简的理论支撑  38
    4.1.2 基于可辨识函数的属性约简算法的研究意义  38-39
    4.1.3 基于可辨识函数的属性约简算法的思想  39-41
    4.1.4 基于可辨识函数的属性约简算法的实现  41
    4.1.5 基于可辨识函数的属性约简算法的分析  41-42
    4.1.6 仿真试验分析与比较  42-43
    4.1.7 基于可辨识函数的属性约简算法的讨论  43
  4.2 基于可辨识函数的分类规则提取算法  43-47
    4.2.1 基于可辨识函数的分类规则提取算法的理论支撑  43-44
    4.2.2 基于可辨识函数的分类规则提取算法的实现  44
    4.2.3 仿真试验分析  44-46
    4.2.4 基于可辨识函数的分类规则提取算法的讨论  46-47
第五章 基于进化计算的数量属性离散化算法  47-57
  5.1 数量属性离散化的基本知识  48-49
  5.2 基于进化计算的数量属性离散化算法-进化C均值算法  49-57
    5.2.1 进化C均值算法的思想  49-50
    5.2.2 进化C均值算法的实现  50-51
    5.2.3 仿真试验分析  51-56
    5.2.4 进化C均值算法的讨论  56-57
第六章 结论  57-59
  6.1 本文所做研究的意义  57-58
  6.2 本文所作研究有待继续研究的问题  58-59
致谢  59-60
参考文献  60-67
硕士学习阶段发表论文  67

相似论文

  1. 基于粗糙集的城市区域交通绿时控制系统研究,TP18
  2. 粗糙集的增量式属性约简研究,TP18
  3. 知识粒度的计算及其在属性约简中的应用研究,TP18
  4. 知识进化算法在化工动态优化中的应用研究,TQ021.8
  5. 基于核心示例集的属性约简方法研究,O159
  6. 粗糙集与模糊粗糙集属性约简算法研究,TP18
  7. 基于粗糙集属性约简和加权SVM的入侵检测方法研究,TP393.08
  8. 基于粗糙集的网络安全评估模型研究与实现,TP393.08
  9. 基于思维进化计算的输电网规划方法研究,TM715
  10. 人工智能视野下的进化逻辑研究,B812.3
  11. 粗糙集理论在高职院校教学质量评估中的应用研究,TP18
  12. 信息系统的表示及属性约简,TP18
  13. 基于粗糙集理论的快速属性约简算法研究,TP18
  14. 基于粗糙集的复杂工业过程故障诊断研究与实现,TP18
  15. 基于粗糙集的属性约简算法研究,TP18
  16. 模糊粗糙集属性约简及多模糊决策树分类器融合,TP18
  17. 粗集中的属性选择算法及优化方法,TP18
  18. 基于Rough集理论的入侵检测方法研究,TP393.08
  19. 基于主机入侵检测的先进智能方法研究,TP393.08
  20. 面向不完备数据的增量挖掘算法研究,TP311.13
  21. 一种新型的智能优化方法—标竿学习算法,F272

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com