現在位置：范文先生網>理工論文>計算機信息技術>粗集方法在KDD系統中的應用與研究

粗集方法在KDD系統中的應用與研究

時間：2023-02-21 00:09:16 計算機信息技術我要投稿

相關推薦

粗集方法在KDD系統中的應用與研究

粗集方法在KDD系統中的應用與研究

粗集方法在KDD系統中的應用與研究

周波

（西安電子科技大學多媒體研究所西安 710086）

【摘要】本文論述了粗集方法性質及特點，提出了粗集方法在KDD系統中的應用模型，同時給出了應用這一模型對一個數據庫實例進行數據挖掘的過程。另外，從精確性、魯棒性等方面對KDD系統中的粗集方法的適用范圍進行了分析。

【關鍵詞】粗集 KDD 數據挖掘

Application and Research of Rough Set in KDD System

Zhou bo

(Multimedia Technology Institute ,Xidian University Xi’an710086)

Abstract: In this paper, we discuss the character of rough set, and put forward the application model of rough set in KDD system. Also, by an example ,the advantage and disadvantage of rough set in KDD system is analysed in detail.

Key Word: Rough Set KDD Data Mining

1．前言

數據庫中的知識發現技術（Knowledge Discovery in Database, KDD）是隨著數據庫和人工智能的發展而產生的，它是“從大量數據中提取出可信的、新穎的、有效的并能被人理解的模式的非平凡過程”。通過KDD，人們可以將知識發現的研究成果應用于實際數據處理中，為科學決策提供支持。KDD系統中的知識學習階段被稱為“數據挖掘”（Data Mining，DM），它的算法是KDD系統的核心。近年來，粗集理論（Rough Set Theory）開始逐漸應用到DM的領域中，在對大型數據庫中不完整數據進行分析和學習方面取得了顯著的效果，因此，以粗集為代表的集合論方法是今后KDD技術的一個主要研究方向。

2． KDD系統中粗集方法的基本特征

粗集（Rough Set）理論和模糊集(Fuzzy Set)理論都是針對不確定性問題提出的，它們既相互獨立，又相互補充。粗集方法與傳統的統計及模糊集方法不同的是：后者需要依賴先驗知識對不確定性的定量描述，如統計分析中的先驗概率、模糊集理論中的模糊度等等；而前者只依賴數據內部的知識，用數據之間的近似來表示知識的不確定性。用粗集來處理不確定性問題的最大優點在于，它不需要關于數據的預先或附加的信息，而且容易掌握和使用。粗集中不精確的要領包含下近似和上近似兩個定義，前者指的是所有對象都一定被包含，后者指的是所有對象可能被包含。

粗集的一些理論和方法可用來從數據庫中發現分類規則。其基本思想是，將數據庫中的屬性分為條件屬性和結論屬性，對數據庫中的元組根據各個屬性不同的屬性值分成相應的子集，然后對條件屬性劃分的子集與結論屬性劃分的子集之間的上下近似關系生成判定規則。

粗集理論中的信息系統可用一個四元組來表示：S={R，A，V，f}。其中R是一個非空集合，表示數據庫中的所有記錄（Record）；A表示數據庫中的全部屬性(Attribute)；V是屬性值組成的集合；f是屬性和記錄的函數，f(a,e)的值確定記錄e關于屬性a的取值。對于屬性集A中的任意一個屬性a，如果記錄和記錄對于屬性a的取值相同，我們稱和基于屬性集相等。基于某個屬性集A的所有等價記錄的集合，被定義為等價類。屬于同一等價類的記錄歸為一類，此分類稱為R基于屬性集A的劃分，表示為。

3．應用粗集方法進行數據挖掘的過程

我們以一個具體的數據庫的作為實例（如圖1所示），使用粗集的方法對其中的知識進行分析和預測。為了說明KDD系統中粗集方法的實質，我們簡化了問題域，只取出“汽車數據庫”中的10個記錄，而且只分析三個字段（Power, Turbo, Weight）,數據挖掘的目標模式定為：“分析汽車的‘Power’和 ‘Turbo’特征同‘ Weight’特征之間的關系”。