论文部分内容阅读
数据挖掘是从数据库中提取隐含的、未知的和潜在有用的信息的过程，数据挖掘方法的研究一直是一个热点。1982年波兰数学家Z.Pawlak提出的粗糙集理论是一种处理模糊和不确定知识的数学工具，它特别适合进行数据分析。目前，基于粗糙集理论的数据挖掘方法己经成为数据挖掘的主要方法之一。它的主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则。 本文首先介绍了数据挖掘的基本知识、功能以及基于粗糙集的数据挖掘方法，然后又介绍了粗糙集理论的基本概念，本文提出了决策表的属性简约算法、基于决策熵的属性约简算法，并通过实验分析，证明决策表的属性在被决策熵的属性约简算法约简之前，没有必要预先判断决策表是相容的还是不相容的，同时也使经典粗糙集理论中关于属性约简的两种定义对不相容决策表约简时结论不一致的问题得到了解决，不但具有广泛性，而且效率得到了提高，达到了预计的理想效果。此外，本文还针对基于差别矩阵的属性约简算法进行探讨，对已有算法进行分析，提出改进的算法，做出实例分析。