發(fā)布時(shí)間：2022-01-25 06:22

　　分類挖掘是數(shù)據(jù)挖掘的重要研究?jī)?nèi)容之一,現(xiàn)有的分類規(guī)則挖掘算法所得到的規(guī)則集中存在大量的冗余,嚴(yán)重影響了分類規(guī)則的分類效率與可理解性,因此對(duì)挖掘出的冗余分類規(guī)則集進(jìn)行約簡(jiǎn),具有重要的理論意義和應(yīng)用價(jià)值。本文采用謂詞邏輯和包含集對(duì)分類規(guī)則集的后處理進(jìn)行了研究,其主要研究成果如下:第一、基于謂詞邏輯的分類規(guī)則約簡(jiǎn)RMCRPL算法。首先,用謂詞公式描述分類規(guī)則,把規(guī)則集轉(zhuǎn)換成謂詞公式的集合;其次,利用謂詞邏輯中的邏輯推理,對(duì)規(guī)則集進(jìn)行約簡(jiǎn),消除冗余規(guī)則;最后,采用恒星光譜數(shù)據(jù),實(shí)驗(yàn)驗(yàn)證了該方法是有效的,可行的;第二、基于包含集的分類規(guī)則約簡(jiǎn)MMIS與RRPABIRS算法。首先利用規(guī)則與數(shù)據(jù)間的分類關(guān)系,提取以單條分類規(guī)則為元素的包含集;其次,通過對(duì)單個(gè)包含集的處理來(lái)實(shí)現(xiàn)對(duì)分類規(guī)則集的精簡(jiǎn),給出了MMIS與RRPABIRS算法;最后采用恒星光譜數(shù)據(jù),實(shí)驗(yàn)驗(yàn)證了該方法是有效的,可行的。 

【文章來(lái)源】：太原科技大學(xué)山西省

【文章頁(yè)數(shù)】：46 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 數(shù)據(jù)挖掘產(chǎn)生的背景及定義
    1.2 數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)
    1.3 數(shù)據(jù)挖掘的主要方法
    1.4 數(shù)據(jù)挖掘的功能
        1.4.1 關(guān)聯(lián)分析
        1.4.2 分類和預(yù)測(cè)
        1.4.3 聚類分析
        1.4.4 孤立點(diǎn)分析
    1.5 數(shù)據(jù)挖掘的應(yīng)用
    1.6 數(shù)據(jù)挖掘的主要問題
    1.7 本文的主要研究?jī)?nèi)容及論文的組織與安排
        1.7.1 研究?jī)?nèi)容
        1.7.2 論文組織
第二章 分類、謂詞邏輯及集合
    2.1 分類知識(shí)介紹
        2.1.1 分類基本概念
        2.1.2 分類知識(shí)的表示方法
        2.1.3 分類知識(shí)的提取方法
        2.1.4 分類模型的判斷標(biāo)準(zhǔn)
    2.2 謂詞公式的基本概念
        2.2.1 命題公式
        2.2.2 謂詞公式
        2.2.3 謂詞公式表示知識(shí)的特點(diǎn)
    2.3 集合的基本概念
    2.4 小結(jié)
第三章 一種基于謂詞邏輯的分類規(guī)則約簡(jiǎn)方法
    3.1 前言
    3.2 基于一階謂詞的分類規(guī)則表示
    3.3 基于謂詞的分類規(guī)則邏輯演算
    3.4 分類規(guī)則約簡(jiǎn)算法
    3.5 實(shí)驗(yàn)分析
    3.6 小結(jié)
第四章 基于包含集的分類規(guī)則后處理方法
    4.1 引言
    4.2 規(guī)則的包含集
    4.3 規(guī)則包含集的挖掘算法及冗余規(guī)則的處理
        4.3.1 包含集的挖掘算法
        4.3.2 冗余規(guī)則的處理
    4.4 實(shí)驗(yàn)分析
    4.5 小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
研究生期間發(fā)表的論文和參加的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]基于蟻群算法的分類規(guī)則挖掘[J]. 蔣蕾,王士同.  江南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(05)
[2]一種基于粗糙集的分類數(shù)據(jù)挖掘算法[J]. 馬君華,陳云開.  計(jì)算機(jī)科學(xué). 2008(06)
[3]決策樹算法的一種改進(jìn)算法[J]. 屈志毅,周海波.  計(jì)算機(jī)應(yīng)用. 2008(S1)
[4]一種健壯有效的決策樹改進(jìn)模型[J]. 卜亞杰,胡朝舉,白蘭,董娜.  計(jì)算機(jī)應(yīng)用. 2008(S1)
[5]一種改進(jìn)的基于正區(qū)域的決策樹算法[J]. 高靜,楊炳儒,徐章艷,宋威.  計(jì)算機(jī)科學(xué). 2008(05)
[6]基于粗糙集的分類關(guān)聯(lián)規(guī)則挖掘算法研究[J]. 尹世群,余建橋,葛繼科,邱玉輝.  計(jì)算機(jī)科學(xué). 2007(12)
[7]基于遺傳算法和決策樹的腫瘤分類規(guī)則挖掘[J]. 何愛香,張勇.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2007(09)
[8]一種基于蟻群算法的分類規(guī)則挖掘算法[J]. 常曉磊,閆仁武.  計(jì)算機(jī)技術(shù)與發(fā)展. 2007(07)
[9]基于分布式概念格的分類規(guī)則挖掘[J]. 胡學(xué)鋼,陳慧,張玉紅,馬馮.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(02)
[10]粗糙逼近近似度量在分類規(guī)則挖掘中的應(yīng)用[J]. 賈嶸,張文宇.  西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(01)



本文編號(hào)：3608045