| 【论文摘要】 | 随着全球信息化的快速发展,数据挖掘与数据融合这两种作为处理海量数据、提取有用信息的高新技术倍受瞩目。这两种技术处理数据的原理各不相同,但在功能上相互补充,整合这两种技术能更有效地解决工程中的实际问题。数据挖掘的首要问题是寻找数据来源,将来自不同样本的数据利用数据融合技术有效地加以综合,再进行数据挖掘。数据融合需要在已知的模型上进行,而数据挖掘技术则可自动地建立模型。将这两种技术进行深层次的结合与渗透,可协同完成复杂数据处理工作。
本文对数据挖掘与数据融合这两种技术进行了理论研究与应用探讨,研究内容及成果如下:
(1)针对数据融合系统难以获取先验信息,以及存在大量冗余数据的问题,提出了用粗糙集理论建立数据融合模型的方法。采用属性约简及规则约简的方法处理数据,剔除冗余信息,获取最简规则。根据粗糙集最简规则建立融合系统。通过粗糙集离散化算法将融合方法推广至连续域。仿真结果证明,该算法是切实可行的。
(2)将模糊理论与神经网络技术相结合应用于数据融合。研究了基于模糊神经网络的融合系统原理,建立了基于模糊神经网络的融合系统,给出了神经网络学习算法。仿真结果验证了算法的可行性。
... |
