Rough集和云理論在空間數據挖掘中的應用.pdf

1、隨著現代科技和數據獲取設備的迅速發(fā)展，空間數據庫的數量和大小日益豐富，使得空間數據挖掘和知識發(fā)現變得越來越重要。而在數據挖掘過程中，存在大量冗余數據影響我們的決策，Rough集理論在得到決策規(guī)則和分類方面是最有利的根據。它不但可以在不影響數據表達信息的前提下使原來的數據量大為減少（數據約簡），而且還可以產生決策規(guī)則，從而挖掘出數據中的有效模式。其次，Rough集理論不同于其他處理不確定性問題的理論，如概率方法、模糊集方法等，它無需提供任

2、何所需處理數據集合之外的先驗信息。然而Rough集理論要求所處理的決策表中的值必須用離散數據表達，因此在使用Rough集理論對數據挖掘前必須先對數據進行離散化處理。
　　 本文首先介紹了數據挖掘，空間數據挖掘的意義、使用的主要方法、獲得的知識類型和過程，接著又介紹了Rough集的基礎知識，為隨后的深入研究做鋪墊。
　　 其次開始深入研究Rough集在數據挖掘過程的核心問題---屬性約簡，對目前基于Rough集的屬性約簡算

3、法展開分析，并比較了各種算法的性能。本文提出一種FAE算法，用于在屬性約簡前進行優(yōu)化屬性的選擇，并在此基礎上又建立了一個基于Rough集分析的分類器模型----FAERS模型，通過實驗證明了這個算法的分類效果很好。而針對Rough集在挖掘一般決策表的最簡規(guī)則或者所有規(guī)則是一個NP-hard問題，本文又引入蟻群算法，提出一種新的屬性約間算法----ACR算法，將蟻群算法用于在對尋找約簡屬性的過程中指導搜索的方向，通過具體的例子證明了這個算