数据挖掘与数据融合相结合的信息处理技术研究

作     者：王璿 

作者单位：西北工业大学 

学位级别：硕士

导师姓名：高社生

授予年度：2006年

学科分类：12[管理学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：粗糙集 模糊神经网络 数据挖掘 数据融合 

摘      要：随着全球信息化的快速发展,数据挖掘与数据融合这两种作为处理海量数据、提取有用信息的高新技术倍受瞩目。这两种技术处理数据的原理各不相同,但在功能上相互补充,整合这两种技术能更有效地解决工程中的实际问题。数据挖掘的首要问题是寻找数据来源,将来自不同样本的数据利用数据融合技术有效地加以综合,再进行数据挖掘。数据融合需要在已知的模型上进行,而数据挖掘技术则可自动地建立模型。将这两种技术进行深层次的结合与渗透,可协同完成复杂数据处理工作。 本文对数据挖掘与数据融合这两种技术进行了理论研究与应用探讨,研究内容及成果如下: (1)针对数据融合系统难以获取先验信息,以及存在大量冗余数据的问题,提出了用粗糙集理论建立数据融合模型的方法。采用属性约简及规则约简的方法处理数据,剔除冗余信息,获取最简规则。根据粗糙集最简规则建立融合系统。通过粗糙集离散化算法将融合方法推广至连续域。仿真结果证明,该算法是切实可行的。 (2)将模糊理论与神经网络技术相结合应用于数据融合。研究了基于模糊神经网络的融合系统原理,建立了基于模糊神经网络的融合系统,给出了神经网络学习算法。仿真结果验证了算法的可行性。 (3)针对数据挖掘与数据融合技术在功能上互补的特点,研究了数据挖掘与数据融合的集成技术,完善了知识获取过程,提高了融合精度。并建立了一种新的集成系统,研究给出了该集成系统的原理以及工作过程。 (4)针对粗糙集与模糊神经网络各自的优缺点,提出了一种粗糙集——模糊神经网络模型。研究了利用粗糙集技术获取模糊规则的方法,通过模糊神经网络对融合规则进行推广,克服了单独使用一种方法建立融合系统时存在的缺陷。 (5)设计了一种基于粗糙集——模糊神经网络技术的数据挖掘与数据融合集成系统。研究给出了设计原理,提出了建立集成系统的具体步骤,以及该集成系统的算法流程图。研究了集成系统各部分的算法,构建了网络的拓扑结构,推导出了网络的学习公式。提出了一种基于粗糙集方法的初始隶属函数获取算法,仿真结果证明了该集成系统的可行性与有效性。