基于特征矩阵的数据挖掘方法的研究与应用-计算机应用技术专业论文.docx

摘 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。 关键字：数据挖掘粗糙集属性约简特征矩阵规则提取 ABSTRACTFacing ABSTRACT Facing the constantly increasing data,Data Mining has developed qnicldy．Rough set theory is an effective method of data nlining．It is being recognized gradually． First,this PaDer introduces the basic theories and main method of both Data Mining and Rough sets，The Data Mining system based on rough sets including the following three modnies：data preprocessing module，atIfibme reduction modnie and rule extraction module． Second，it studies the attribute reduction algorithm based on feature matrix．A new measure of the significance of attributes in decision table is given based on the feature matrix．And put the new method into the attribute reduction algorithm，further；put forward a new attribute reduction algorithm based on feature matrix．Moreover,we set an example to prove its accuracy and its validity．Use the concept of upper and lower approximation in rough set theory to extending the definition of feature matrix and applY it to the approximation reduction in inconsistent decision table．Get the upper or lower approximation reduction． At last，it studies the rule extraction based on feature matrix． Key words：Data Mining Rough Set Attribute Reduction Feature Matrix Rnle Extraction 长春理工大学预士学能论文原创性声明本人郑蕊声臻：所堇交的硬壬学位论文，《基于特征 长春理工大学预士学能论文原创性声明 本人郑蕊声臻：所堇交的硬壬学位论文，《基于特征 矩黪鹤数据挖掘方法妁研究与成月》是本人在指导教瘴的 指导下，独蠢避行研究王律新取得的成果。除文中已经注 明引用的内容外，本论文不包含任何其他个人或集体已经 发表线撰写过妁作品成果。对本文静研究徽豳燕簧贾敲的 个人和集体，均已在文中以明确方式标明。本人完全意识 交本声碉懿法律黪栗壶本入承糖。 作者签名：匐墨；j《!—牡三纛．耋龋 长褰壤王夹学掌镟论文版权使精授权豢 本学位涂文律者及籀辱教瓣完全了解“长豢理王夫学 硕士、博士学位论文版权使用规定”，同意长春理工大学 保馨并鸯藩家意荧都门或机祷送交学健论文酶复帮件孝 电子版，允许论文被查阕和借阗。本人授权长春理工大学 胃淡将本学位论文静垒酃绒部分内容编入套关数据库遘 行检索，也可采用影印、缩印或扫描等复制手段保存和汇 绽学位论文。 作者签名；奎l邋。皇2年立熙篮酲