论文部分内容阅读
粗糙集理论是一种新型的处理模糊和不确定数据的数学工具。本文对基于粗糙集理论的知识发现方法进行了研究，主要工作包括：(1)对粗糙集和统计关系学习研究进行了综述；(2)对基于含序粗糙集的数据挖掘方法进行了研究，给出了新的近似分类质量公式，提出了含序规则生成算法GRS与改进算法IGRS，并对GRS和IGRS算法进行了理论分析和实验比较；(3)研究了面向不完备数据的粗糙集扩展关系模型，结合限制相容关系和量化相容关系之特点，提出了限制量化相容关系，给出相关定义和证明；(4)研究了基于粗糙集的统计关系学习方法，改进完善了结合粗糙集与归纳逻辑程序设计的模型RSILP，并给出了相应证明；(5)设计并实现了一个基于粗糙集的知识发现原型系统。本文的研究结果对基于粗糙集的知识发现方法研究有一定的理论意义和应用价值。