基于粒计算的不完备决策系统数据挖掘研究

论文摘要

随着信息技术和互联网的发展,庞大的数据库日益增加,为了在海量的数据中获取有价值的信息和知识,数据挖掘应运而生,相应的数据挖掘技术已成为国内外研究的热点,并且得到了广泛的应用。目前,一些成熟的数据挖掘方法所处理的数据都是完备的。而在实际的数据挖掘中,待处理的数据常存在某种程度的不完备,如果直接对其使用针对完备信息系统的数据挖掘方法,往往会产生不合理的结果,甚至错误的信息和知识。因此研究不完备系统上的数据挖掘具有一定的现实意义。近年来,国内外诸多学者对粒计算在数据挖掘中的应用进行了探讨和研究,提出了一些模型和方法,粒计算在数据挖掘中得到了广泛的应用。本文将粒计算的方法应用到不完备决策系统的数据挖掘研究中,探讨了不完备决策系统在粒表示下的属性约简方法和分类分析方法。并通过实验验证方法的有效性。主要工作如下:1.运用粗糙集（RoughSet）和粒计算的有关理论,在基于容差关系下的粒计算模型下,研究属性约简方法。提出粒表示下属性必要性和重要性的判定条件,进而给出一种粒表示下的属性约简算法。2.研究粒表示下的决策树分类分析方法。提出粒表示下决策树分裂属性的选择标准,及决策树停止生长的条件,给出一种基于粒计算的决策树分类分析算法GrCDC（Granular Computing Decision-tree Classification）,最后通过实验证明其有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究背景
• 1.2 国内外研究现状
• 1.2.1 不完备信息处理研究现状
• 1.2.2 粒计算研究现状
• 1.3 论文的组织
• 第2章 不完备系统与粒计算
• 2.1 不完备系统
• 2.2 粒计算
• 2.2.1 粒计算的基本成分
• 2.2.2 粒计算的基本问题
• 2.2.3 粒计算模型
• 2.3 不完备决策系统的粒表示及粒计算
• 2.3.1 不完备信息的粒表示
• 2.3.2 不完备决策系统的粒计算
• 2.3.3 不完备决策系统的粒分解
• 第3章 基于粒计算的属性约简与分类分析
• 3.1 粒表示下的属性约简
• 3.1.1 约简的概念
• 3.1.2 粒表示下属性必要性判定
• 3.1.3 粒表示下属性重要性判定
• 3.1.4 粒表示下的属性约简方法
• 3.2 粒表示下的分类分析
• 3.2.1 决策树分类分析方法
• 3.2.2 基于粒计算的决策树分类方法
• 3.3 实例分析
• 第4章 实验与评价
• 4.1 实验运行环境与数据集
• 4.2 数据预处理
• 4.3 分类方法评估标准
• 4.4 实验与性能分析
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间所发表的论文