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