基于属性分类的数据挖掘方法

随着数据仓库的广泛应用 ,从数据中获取相关的知识或规则越发显得重要 ,各种各样的数据挖掘技术提了出来 .本文介绍了一种基于数据属性值的数据挖掘方法 .首先简单介绍了 ID3分类技术 ,然后详细论述了基于属性值分类的数据挖掘的方法 .该方法有两个主要的步骤 :数据采集 。

改进的差别矩阵启发式属性约简算法

为在决策表中获得更好的属性约简组合,从信息论角度分析,在基于区分矩阵的基础上,提出一种改进的以条件熵作启发信息的约简算法。同时考虑条件属性相对于决策属性的条件信息熵以及属性值的分布情况,用它们的比作为启发因子,重新给出一种度量属性重要度的依据,得到属性约简集。实验结果表明,该算法能够有效约简属性集,使约简结果获得最简决策规则组合。

基于粗糙集的文本自动分类方法的研究

提出一种利用粗糙集理论生成文本分类规则的方法 ,通过将文本关键词的权值进行离散化处理后 ,作为规则的条件属性 ,文本所属的类别用作决策属性 ,构造决策表。然后通过属性约简和规则化简提取出文本的分类规则。该方法生成的规则易于理解 ,分类准确度较高 ,分类速度快。

不完备信息系统辐射源威胁等级判定

针对不完备信息系统条件下的辐射源威胁等级判定问题,提出了一种基于改进容差关系粗糙集(ITR-RS)的不完备信息系统辐射源威胁等级判定方法。该方法将粗糙集中的不完备信息系统理论引入辐射源威胁等级判定中,并构建一套完备的决策规则提取模型。此外,利用辨识矩阵实现对属性的约简,在降低系统所需处理数据量的同时,提高了算法的实时性;在容差关系粗糙集的基础上,提出一种改进的容差关系,在属性主、客权重相结合的基础上引入阈值来划分加权阈值容差类,得到更为合理、准确的决策规则。仿真试验及分析表明,与经典RS算法相比,所提算法的威胁等级判定正确率提高了23%,可用于信息系统不完备条件下的辐射源威胁等级判定。

基于条件熵的直觉模糊条件推理

该文在利用隶属度和犹豫度计算直觉模糊逻辑命题真值的对称合成方法的基础上,提出了一种基于条件熵的直觉模糊条件推理新算法。将直觉模糊条件推理规则的前件和后件与决策信息系统的条件属性和决策属性等价起来,条件属性、决策属性和推理规则均视为直觉模糊命题,直觉模糊命题的真实程度转化成一种决策规则前件对后件的条件熵的度量,并给出了条件熵的范围,从而确定直觉模糊命题的真实程度的范围。

粗糙集理论中求取最小决策规则的研究

本文探讨了粗糙集理论中最小决策规则的求取方法,提出决策依赖度的定义,尝试从最短的条件属性组合中提取尽可能多的决策规则。只有现有长度的决策规则无法完全覆盖所有样本时,才会考虑增加决策规则的长度。同时提出了3种减少计算复杂性的方案:1)引入跳跃系数λ;2)在计算中只对具有相同决策值的样本进行等价类划分,从而避免了对含有不同决策值的等价类的无用划分;3)设计Remain集合,只针对其中的样本进行等价类的划分,随着Remain中样本数的减少,计算量会大幅下降。此外,本文所提出的基于决策依赖度的跳跃式决策规则求取方法可以直接应用于不完备信息系统,因此具有良好的实用价值。

不完备决策系统规则获取的相容矩阵算法

针对不完备信息决策系统问题,引入相容关系下条件属性矩阵和决策属性矩阵的相关概念,并由此提出一种基于矩阵的不完备信息决策系统规则获取算法。该算法无需计算核属性,通过矩阵计算,能够直接从不完备信息决策系统中提取所有的决策规则集。理论分析和实例结果均表明该算法的有效性和实用性。

基于Rough Set的规则更新算法

RS(RoughSet)方法犤1,2犦是一种处理不精确或不完整信息的强有力的数学工具。该文给出了在RS挖掘算法的基础上,支持度和置信度不变的前提下,数据量增加时的规则更新算法:在新的区分矩阵中充分利用已知的行列,并给出了具体的算法步骤。

三支类背景上的规则获取

规则提取是三支概念分析中的一个重要问题。首先,基于属性导出三支概念,定义了两种三支类背景,即三支条件类背景和三支决策类背景,给出了类背景上的类概念并且研究了类概念的结构。其次,讨论了三支决策类背景上的类概念与三支弱协调决策形式背景上的属性导出三支概念之间的关系。然后,提出了三支决策类背景上的规则获取方法,并且通过比较证明了基于三支类背景获取的规则优于基于三支弱协调决策形式背景获取的规则。最后,利用三支条件类背景给出了反向规则与双向规则的获取方法。

一种基于决策规则支持度的值约简算法

基于决策规则的条件属性支持度和规则支持度,结合Apriori算法思想,本文提出了一种利用决策规则支持度对粗糙集中决策表进行值约简的算法。实例表明该算法可以有效地对决策表进行值约简。