资源描述:
《基于非等价划分的知识发现研究》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、基于非等价划分的知识发现研究摘要知识发现(KnowledgeDiscoveryinDatabase,简称KDD)是从大量数据中鉴别出有效模式的非平凡过程,随着人类获取数据能力的加强,KDD已经逐渐成为了一个非常重要和活跃的研究领域。粗糙集是波兰数学家Z.Pawlak教授提出的一种数据分析理论。由于该理论在数据的决策与分析、模式识别、机器学习与知识发现等方面的成功应用,逐渐引起了各国学者的广泛关注。但在一些领域,基于等价划分的Pawlak粗糙集理论依然存在诸如难以处理数值型数据,划分边界陡峭(Crisp)等问题难以
2、克服。本文立足于研究基于非等价划分粗糙集方法的应用。文中首先介绍了基于相似(自反、对称)划分的相似粗糙集模型,证明了Pawlak粗糙集是相似粗糙集的特殊情况,并给出了一种基于相似粗糙集的分类挖掘方法。该方法可以有效地解决数值型决策表的分类问题。在第四章我们介绍了基于模糊划分的模糊粗糙集理论,并且提出了一种基于(修正)模糊粗糙集的预测模型,通过对决策属性的上下逼近来预测其值的分布范围。由于不需要确定变量间的函数关系,因此它具有通用的特点,该模型可以作为传统的回归预测模型的有效补充。本章最后,我们证明了相似粗糙集的概
3、念包含于(修正)模糊粗糙集的概念,通过对模糊集的相似分解可以达到后者向前者的转化。我们在第五章中提出了在时态数据库中发现时滞语义关联的方法,该方法将属性看作k维空间中的点,以点在空间中的距离来度量属性之间的时滞相关程度,并且给出了计算属性集与属性间复合相关度的途径以及相应的发现算法。最后我们展示了用模糊Petri网对时滞语义关系进行不确定推理的方法。关键词:等价划分、非等价划分、粗糙集、相似划分、相似粗糙集、决策表、分类挖掘、模糊划分、模糊粗糙集、预测、回归、时态数据库、时滞语义关联、模糊Petri网、不确定推理
4、基于非等价划分的知识发现研究AbstractKDD(KnowledgeDiscoveryinDatabase)meansaprocessofnontrivialextractionofimplicit,previouslyunknownandpotentiallyusefulinformationfromdataindatabase.Asthecapabilityofhumantocollectdatagrowingrapidly,ithasbecomearesearchareawithincreasingimp
5、ortance.RoughSetstheoryisadataanalysistheoryintroducedbyZ.Pawlak.Ithasbeenatractingconsiderableattentionforitssuccessfuluseinresearchareassuchasdecisionmaking,dataanalysis,paternrecognition,machinelearningandKDD,etc.Nevertheless,Roughsetstheorywasintroublewit
6、hmanyproblemsinsomepracticalapplicationareas,suchasnumericaldataprocessing,andcrispboundary.Essentially,theywerecausedbythebasicconceptofRoughSets一equivalentpartitionInthispaper,weintroducedRoughSetsbasedonsimilaritypartition(SRS),thenprovedthatthedefinitiono
7、fSRSimpliesthatofPawlak'sRoughsets,andweproposedanewclassificationmethodbasedonSRS,whichcanefectivelysolveclassificationproblemsonnumericaldecisiontable.WealsointroducedFuzzyRoughsetstheory(FRS),whichisbasedonfuzzypartition.AndweproposedapredictmodelbasedonFR
8、S.Thismodelpredictthedistributionscaleofdecisionattributesbyapproximateitslowerandupperbounderies.Ithasthecharacterofgereralization,soitcanbeagoodcomplementoftraditionalregressionmodel,An