【摘 要】
：
随着计算机网络技术的不断更新变化,数据库中的信息量变得越来越庞大。为了从海量的数据库中精选出有实用价值的数据,数据挖掘技术随之崛起。如何去掉数据库中不重要的数据(
论文部分内容阅读
随着计算机网络技术的不断更新变化,数据库中的信息量变得越来越庞大。为了从海量的数据库中精选出有实用价值的数据,数据挖掘技术随之崛起。如何去掉数据库中不重要的数据(即属性约简)就成为数据挖掘技术的一个关键环节。本文以决策信息系统为基础,针对属性重要性度量问题,以隐藏在决策信息系统中的知识为载体,以属性集的变化所引起的知识的变化为依据,讨论了正域、决策类的上(下)近似与系统中知识的关联特征,给出了几类满足模糊测度结构特征的基于知识变化率的属性重要性度量方法(简记为BKCR-AIM),讨论了BKCR-AIM的结构特征和构建策略,并结合具体案例进一步分析了各类BKCR-AIM的特点。最后实例计算表明,通过系统中的知识变化来考虑属性的重要性是一种可行的途径,而且所建立的基于综合知识变化率的属性重要性度量模式具有良好的可解释性和结构特征。同时,本文提出了基于综合知识变化率的属性约简算法(简记为BCKCR-ARA),并结合UCI数据库中的数据集对比分析了此约简算法的特点及可行性和有效性,此结果表明BCKCR-ARA可以有效地实现属性的约简,而且具有良好的可解释性和可操作性。因而,如果将本文所建模型应用到实际问题中,那么能够使管理者在不确定的环境下做出合理的决策,并且可以有效地利用已有的信息系统来归纳属性之间的关联特征,且在知识获取、信息融合、综合评判、模糊决策、模式识别、综合评价等领域均具有广泛的应用前景。
其他文献
模式识别方法和综合评判方法有着广泛的应用,而在实际应用中,由于特征指标的模糊性,以及获取指标值的误差,有些指标值具有不确定性,而区间数是刻画不确定性的一种简洁且有效
对计量资料进行统计分析，参数统计方法和非参数统计方法是两类常用的方法。符号检验、秩和检验和秩相关分析属于非参数统计方法。 非参数统计方法对资料既不要求其分布具有
符号模式矩阵（又称符号模式）是组合数学中研究比较活跃的课题之一，其应用背景广泛涉及到经济学、社会学、计算机科学、生物学、化学等众多学科.本论文主要刻画了两类新的符号模
Coleman automorphism occurred first in the study of the normalizer NU(RG)(G) of G in the units U(RG) of RG.In research of the normalizer,when R = Z,the case mu
组合优化是优化领域中的一个重要分支，具有非常强的实际应用背景。从蚂蚁群体寻找最短路径的行为受到启发，意大利学者Dorigo等人1991年提出一种模拟蚁群行为的启发式优化算法—
在一些近代科学研究中，如生命科学和信息科学的研究，人们获得的数据往往具有量大、高维和相依的特点.它是目前统计学应用和理论中面临最多、挑战最严峻，也是最有可能取得突破的
本文研究了加权p-harmonic算子△p,wu=△w(|△wu|p-2△wu)在Navier边值条件(即u=△u=0，x∈()Ω)下的整体分支现象.上式中记△wu=divw(()wu)，()wu=(()u/()x1w1-p1(x),()u/()x2w1