论文摘要
随着数据资源的日益增加，数据挖掘技术迅速发展起来。粗糙集理论作为一种有效的数据挖掘方法，正愈加被人们重视。 首先，本文介绍了数据挖掘和粗糙集的基本理论和主要方法。基于粗糙集的数据挖掘系统主要由三个模块组成：数据预处理模块、属性约简模块和规则生成模块。 其次，研究了基于特征矩阵的属性约简算法，提出一种新的基于特征矩阵的属性重要性分层度量方法，并将该方法应用于属性约简算法中，提出一种新的基于特征矩阵的属性约简算法，用实例证明其正确性与有效性。利用粗糙集中上下近似的概念，对特征矩阵进行扩展定义，将其应用于不一致决策表的近似约简，得出不一致决策表的上、下近似约简。 最后，研究了基于特征矩阵的规则提取方法。
论文目录
摘要ABSTRACT目录第一章 序言§1.1 研究的目的和意义§1.2 国内外研究现状§1.3 主要研究内容及论文结构第二章 关于数据挖掘和粗糙集理论§2.1 数据挖掘§2.2 粗糙集理论§2.3 基于粗糙集的数据挖掘系统第三章 基于特征矩阵的属性约简算法§3.1 区分矩阵和区分函数§3.2 基于特征矩阵的决策表约简§3.3 一致决策表的基于特征矩阵的属性约简算法§3.4 不一致决策表的基于特征矩阵的属性约简算法§3.5 小结第四章 基于特征矩阵的规则提取方法§4.1 规则提取§4.2 一致决策表的基于特征矩阵的规则提取§4.3 不一致决策表的基于特征矩阵的规则提取§4.4 小结第五章 结论与展望§5.1 本文工作总结§5.2 展望致谢参考文献
相关论文文献
标签：数据挖掘论文; 粗糙集论文; 属性约简论文; 特征矩阵论文; 规则提取论文;
