| 【中文题名】 | 基于Rough集的数据约简研究 |
| 【英文题名】 | Research on Data Reduction Based on Rough Set |
| 【学科专业】 | 计算机应用 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-9-20 |
| 【中关键词】 | 粗糙集,知识发现,数据挖掘,数据约简,时间序列,相似搜索 |
| 【英关键词】 | rough set,knowledge discovery,data mining,data reduction,time sequences,similarity search,alternative covering algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>专家系统、知识工程> |
| 【论文摘要】 | 本文在综述了粗糙集和知识发现问题的国内外发展现状和存在问题的基础上,首先研究了粗糙集理论、数据约简以及基于粗糙集的扩展模型,接着研究了基于粗糙集的知识发现,提出了一种基于聚类和粗糙集的数据挖掘模型,最后研究了基于粗糙集的综合信息处理技术。
具体的研究工作如下:
1、研究了粗糙集理论的基本知识,基于粗糙集的知识约简方法和各种粗糙集的扩展模型,知识发现的基本过程以及数据预处理中空缺数据填补方法和离散化技术;
2、提出了一种基于聚类和粗糙集的数据挖掘模型。该模型首先采用了聚类分析的方法对原始数据集进行约简,并且去除可疑信息,从而使得数据具有一致性,然后应用粗糙集理论将数据进行定性化分析和约简。通过系统聚类和粗糙集两种方法进行数据约简,使原始数据得到横向和纵向两个方向上的约简。
3、研究了基于粗糙集的综合信息处理技术。研究了时间序列相似搜索技术,提出了基于时间序列相似搜索和粗糙集的数据挖掘模型,首先使用时间序列相似搜索方法对其中的时间序列数据进行模式发现,然后将时间序列数据转化为离散型数值,进一步使用粗糙集理论进行数据约简和规则提取,从而能够对含有时序数据的信息进行充分... |
| 【论文题纲】 |
|
第一章 绪论 |
8-22 |
|
1.1 知识发现 |
8-15 |
|
1.1.1 知识发现概述 |
8-9 |
|
1.1.2 知识发现过程 |
9-11 |
|
1.1.3 知识发现方法 |
11-12 |
|
1.1.4 知识发现的主要问题 |
12-13 |
|
1.1.5 数据挖掘 |
13-15 |
|
1.2 粗糙集 |
15-20 |
|
1.2.1 粗糙集理论概念 |
15-16 |
|
1.2.2 粗糙集理论的研究现状 |
16-18 |
|
1.2.3 粗糙集理论与知识发现 |
18-20 |
|
1.3 本文的主要研究内容 |
20-22 |
|
第二章 粗糙集 |
22-36 |
|
2.1 粗糙集理论的基本概念 |
22-25 |
|
2.2 知识约简的概念 |
25-28 |
|
2.3 粗糙集的扩展模型 |
28-36 |
|
2.3.1 可变精度粗糙集模型 |
29-30 |
|
2.3.2 基于粗糙集的非单调逻辑模型 |
30-32 |
|
2.3.3 相容关系模型 |
32 |
|
2.3.4 概率规则归纳学习模型 |
32-34 |
|
2.3.5 与其他不确定方法相结合 |
34-36 |
|
第三章 基于粗糙集的知识发现 |
36-58 |
|
3.1 信息系统 |
36-37 |
|
3.2 基于粗糙集的知识发现的数据预处理 |
37-42 |
|
3.2.1 空缺数值的填补 |
38-40 |
|
3.2.2 离散化技术 |
40-42 |
|
3.3 数据约简 |
42-48 |
|
3.4 基于聚类和粗糙集的数据挖掘模型 |
48-58 |
|
3.4.1 系统聚类分析 |
48-51 |
|
3.4.2 粗糙集数据约简 |
51-52 |
|
3.4.3 生成规则 |
52-53 |
|
3.4.4 实例分析 |
53-58 |
|
第四章 基于粗糙集的综合信息处理技术 |
58-70 |
|
4.1 粗糙集和时间序列分析 |
58-64 |
|
4.1.1 时间序列相似搜索 |
59-60 |
|
4.1.2 基于时间序列相似搜索和粗糙集的数据挖掘模型 |
60-62 |
|
4.1.3 实例分析 |
62-64 |
|
4.2 粗糙集和交叉覆盖神经网络 |
64-70 |
|
4.2.1 多层前向网络交叉覆盖算法 |
65-68 |
|
4.2.2 粗糙集和交叉覆盖神经网络的集成 |
68-70 |
|
第五章 结束语 |
70-71 |
|
参考文献 |
71-76 |
|
读研期间发表的论文 |
76-77 |
|
致谢 |
77 |
|
| 【DOI】 | LunWen.ID:2.2008.387531 |
