波兰数学家Z.Pawlak于1982年提出的粗糙集理论是一种新的处理模糊和不确定性知识的数学工具。其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。目前,粗糙集理论已成功地应用于机器学习、决策分析、过程控制、模式识别与数据挖掘等领域。粗糙集在数据挖掘的过程中,可用于数据挖掘的数据预处理部分。本文正是以此为出发点,以粗糙集理论应用于数据挖掘数据预处理的相关步骤为线索,对粗糙集理论中的几个关键问题进行了深入地研究。全文重点论述的内容如下: (1)连续属性的离散化问题 粗糙集能出色地处理离散属性,但不能直接处理连续属性,在数据挖掘应用中,往往需要进行连续属性离散化处理。本文提出了基于遗传算法的连续属性离散化方法HCGA。该算法克服了基于支持度和基于重要性等离散化算法容易得到局部最优解的缺点,实验证明文中的算法兼顾了属性离散化的全局性和准确性。 (2)属性约简算法 到目前为止还没有一个公认的、高效的约简算法。本文通过分析胡可云博士提出的HORAFA算法,指出了其不能获得最优约简的缺点,提出了改进的属性约简算法BFA和ABFA。通过对比实验分析,BFA算法和ABFA算法都能得到较优约简,但比较这两种算法的时间复杂度,ABFA算法具有更高的效率,是一种较优的约简算法。 (3)决策规则提取算法 基于粗糙集理论实现数据挖掘的目的就是为了得到有用的知识以指导决策,属性约简的最终目的也是为了得到有用的规则,一个好的规则提取算法可以对决策更加有利。而提取的规则必须符合实际应用,本文通过对决策树规则提取算法的研究,提出了改进的基于决策树的规则提取算法,在原ID3算法的基础上加入了风险控制条件,同时考虑了父代规则对子代规则关联信息的影响。实验证明,可以将这种算法应用到现实生活中去。