基于粗糙集的分类规则挖掘的研究

《基于粗糙集的分类规则挖掘的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、辽宁工程技术大学硕士学位论文基于粗糙集的分类规则挖掘的研究姓名：刘利民申请学位级别：硕士专业：计算机应用指导教师：邢长征20041204辽宁工程技术大学硕士学位论文摘要I粗糙集理论及其应用是一个新的学术热点在许多领域得到了广泛的应用它的内在的分类特点使得它尤其适合于发现分类规则国外已经研发出基于粗糙集理论的各种工具软件而我国对于粗糙集的研究还处于理论阶段应用上很落后没有成熟的粗糙集工具软件这是本论文产生的背景本论文将粗糙集理论应用于分类规则挖掘提出了一个基于粗糙集理论的分类规则挖掘

2、的模型并用PL/SQL将理论模型在一个ORACLE数据库上模块化实现最终得到两种分类规则试验结果准确基本达到了论文的目的因为PL/SQL开发每个模块都可以做成数据库中的存储过程或函数可供其他编程语言调用这就为使用任何语言的软件开发者提供了编制这种数据挖掘软件的基础关键词粗糙集分类规则知识发现PL/SQL数据挖掘辽宁工程技术大学硕士学位论文IIAbstractRoughsettheoryanditsapplicationisanewacademicfocus,widelyused

3、inalotoffields.Itsinherentcategorisedcharacteristicmakesitespeciallysuitedtofindingtheclassificationrule.Peoplehaveresearchedanddevelopedvariouskindsoftoolsoftwarebasedonroughsetabroad,however,theresearchonroughsetinourcountryisstillattheorystage.Wefai

4、ltokeepupapaceinitsapplication,andhavenoourowntoolsoftwarebasedonroughset.ThesearethebackgroundandreasonthatIwritethismagisterialthesis.Iuseroughsettheoryinminingclassificationruleinthisthesis,andputforwardatheoreticalmodelforminingclassificationruleba

5、sedonroughsettheory.FinallyIusePL/SQLtorealizethetheoreticalmodelonanoracledatabasewithagroupofmodules,andreceivetwokindofclassificationrule.Theresultsareaccurateandeffective,andhaveachievedthepurposeofthethesisbasically.BecauseeachmodulePL/SQLdevelops

6、canbemadeintothestoringprocessorfunctioninthedatabase,forotherprogramminglanguagetotransfer,thishasofferedthefoundationofexcavatingthiskindofsoftwareforthesoftwaredeveloperofusinganycomputerlanguage.Keywords:roughset;classificationrule;PL/SQL;decisiont

7、able创新点声明硕士本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果在充分分析了粗糙集的特点归纳总结了目前常用的分类规则获取方法后提出了一个基于粗糙集理论的分类规则挖掘的理论模型利用ＰＬ／ＳＱＬ将整理论模型在ｏｒａｃｌｅ数据库上以模块化实现因为每个功能模块都可以做成数据库中的存储过程或函数供其他编程语言调用这就为使用任何语言的软件开发者提供了编制这种数据挖掘软件的基础尽我所知到目前国内外文献未见报道作者刘利民日期2004-12-4辽宁工程技术大学硕士学位论

8、文111.1绪论数据挖掘定义数据挖掘DataMining简称DM简单地讲就是从大量数据中挖掘或抽取出知识定义描述数据挖掘概念的定义描述有若干版本以下给出一个被普遍采用的数据挖掘又称为数据库中知识发现KnowledgeDiscoveryfromDatabase简称KDD它是一个从大量数据中抽取挖掘出未知的有价值的模式或规律等知识的复杂过程整个知识挖掘KDD过程是由若干挖掘步骤组成而数据挖掘仅是其中的一个主要步骤1)数据清洗整个知识挖掘的主要步骤