基于粗糙集的数据挖掘方法分析

文章从数据挖掘和粗糙集的基本概念出发,研究粗糙集理论在数据挖掘中的典型运用,为大型数据挖掘提供了一种新的方法。基于粗糙集的数据挖掘,首先通过粗糙集理论对数据进行预处理,然后对属性约简,最后进行决策规则提取,寻找最优解。     

基于粗糙集理论的数据挖掘研究初探

数据挖掘是应用一系列技术从大型数据库或数据仓库的数据中提取人们感兴趣的信息或知识,这些知识或信息是隐含的事先未知而潜在有用的,粗糙集理论是一种处理不确定和模糊问题的数学工具,它的一系列优点使其特别适合于数据挖掘研究．介绍了数据挖掘的概念、特点、任务、分类、要求及研究意义,分析了粗糙集理论的特点、所处理的问题、在数据挖掘中的简单应用,以及粗糙集在数据挖掘中的应用展望等。     

基于粗糙集的数据挖掘的应用研究

粗糙集理论是一种处理不确定和模糊问题的数学工具,它的一系列优点使其特别适合于数据挖掘研究.本文阐述了粗糙集理论及其在数据挖掘中的应用.     

粗糙集理论在电力系统数据挖掘中的应用研究

电力系统数据具有数据种类混杂、数据质量差、要求高、实时性等特点。在数据挖掘的诸多方法中,粗糙集理论对于处理复杂系统有明显的优势,研究粗糙集在电力系统数据挖掘中的应用,可以更加充分地利用电力系统数据,揭示数据背后蕴含的原理、规则,为解决电力系统中的许多问题找到更加合理的方法。主要介绍了粗糙集理论和电力系统数据挖掘的特点,论述了粗糙集在电力系统数据挖掘中的应用。     

一种基于粗糙集的数据挖掘模型

粗糙集理论是一种处理不确定和不精确问题的数学工具。运用模拟例子通过不同简化层次的算法导出每个层次上的信息集,最后得到规则集来说明如何建立和运用这种数据挖掘模型。     

S-粗集理论与知识发现

基于S-粗集,给出了在知识发现中由数据变化获取新知识的方法.应用S-粗集的迁移运算,给出了属性增加时知识的粗糙度减少的结论.     

基于变精度粗糙集的数据挖掘方法研究

本文分析了数据信息获取的研究背景,并在此基础上提出了数据挖掘方法的研究现状.接下来讨论了在数据挖掘研究中所遇到的技术难题以及发展趋势.最后提出了变精度粗糙集理论在不完备信息系统和完备信息系统中的数据挖掘方法.     

一种基于知识粗糙度的知识约简算法

给出了知识的粗糙度概念,得到了知识粗糙度随着知识粒度变小而单调递减的结论,并通过知识的粗糙度对属性的重要性进行定义．在此基础上,提出了基于知识粗糙度的知识约简算法,该算法的时间复杂性为O（1｜A｜^3×｜U｜^2）．通过例子分析表明,该算法是有效的．     

基于粗糙集的数据挖掘及其在知识获取中的应用

本文介绍了粗糙集的基本理论，并将其作为一种新的数据挖掘工具引入，研究和探讨了基于粗糙集的数据挖掘过程，及其在加工过程的知识获取中的应用。     

基于粗糙集和模糊聚类的网站日志数据挖掘实例分析

粗糙集理论是有效处理不精确、不确定和含糊信息的软计算工具,模糊聚类分析是依据客观事务间的特征、亲疏程度和相似性,通过建立模糊相似关系对客观事务进行分类的方法.网站日志数据通常是大量的,冗余的,日志中的页面之间的关系也是模糊的,不确定的.该文利用粗糙集理论和模糊聚类的方法对某学校网站的日志数据进行实例分析,抽取用户感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构,为用户提供个性化服务.     

变精度变异函数S-粗集与F-结构

动态系统规律知识是规律对象（规律外延）与规律属性（规律内涵）的统一体,利用变异单向函数S-粗集与变精度粗集提出变精度变异单向函数S-粗集的概念和它的F-结构,给出变精度变异单向函数S-粗集的有关性质定理和推论,对此进行了讨论。应用变精度变异函数单向S-粗集对动态系统的内涵规律的精度进行数据挖掘。容易挖掘一发现出动态系统中规律的相关性和规律的近似决策规则。变精度变异单向函数S-粗集为研究动态系统规律提供了一种新的途径。     

函数S-粗集与规律f-生成发现

利用函数S-粗集（function singular rough sets），给出规律知识,f-生成规律知识，规律的f-生成与规律的f-生成发现的概念，提出规律不可分辨定理，规律发现定理和规律的f-发现原理．函数S-粗集是发现系统中未知规律的一个新的数学方法．     

基于函数S-粗集的Bellman原理优化算法在知识测度的应用

应用函数双向S-粗集理论实现参考模式和测试模式的动态模式匹配．用Bellman原理的动态规划算法实现全局约束定义下的Levenstein距离的计算,以此确定出参考模式和测试模式的距离测度,有明显降低计算复杂度的效果,并以无纸考试系统非标准化试题的智能评分为例进行说明。     

广义双向变异S-粗集与变异结构

基于变异S-粗集和相容关系吼，提出了广义双向变异S-粗集，给出了它的变异结构，并对广义双向变异S-粗集的有关性质进行了讨论。广义双向变异S-粗集为研究具有相容关系的动态系统提供了新的途径和方法。     

基于Rough集理论的数据挖掘属性约简技术的研究

经过20多年的发展，Rough集理论获得了广泛的认识和运用，特别在数据挖掘、知识发现的研究中发挥着越来越大的作用．属性约简是大数据集压缩冗余数据的关键技术，Rough集理论基于数据分类的原理，提出了属性约简判定理论，并发展了多种约简技术，使数据挖掘中的属性约简难题摆脱了依赖主观处理的阶段，得到了有效的处理，并向高效约简的方向发展．     

S-粗集的程度近似算子及其特性

将双向S-粗集上的近似算子推广为程度近似算子,定义了新的近似算子和近似集合,给出了近似算子和近似集合的性质定理,扩大了S-粗集理论的应用范围.     

基于文本数据的数据挖掘算法研究

总结了数据挖掘的基本方法、文本数据挖掘的关键技术,讨论了文本挖掘的定义和文本分类的一些形式,并对文本数据的数据挖掘算法进行了研究。     

Rough Fuzzy集及其相似度量

近年来，人们提出许多刻划不确定性的方法，Rough集理论是描述Fuzzy性和不确定性的一种新的数学工具．文中简要介绍了Rough集理论的基本概念，讨论了Rough集的性质及其Rough Fuzzy集的相似度量。     

Rough Set理论在数据挖掘中的应用

Rough Set理论是一种新的处理模糊和不确定信息的数学工具。近20年来，Rough Set理论由于在知识发现等领域的成功应用而受到广泛关注，并得到飞速发展，已成为数据挖掘中的一个很重要的方法。作者讨论了Rough Set理论在数据挖掘过程中的应用，并对Rough Set理论在数据挖掘应用．中存在的问题和挑战提出了自己的见解。     

数据挖掘技术及其应用进展

数据挖掘就是要从数据中抽取出知识。首先阐述了数据挖掘的任务方法，然后论述了数据挖掘面临的问题，给出了建议的研究方向，最后介绍了几个现有的数据挖掘工具和一些与数据挖掘研究相关的资源。