基于粗糙集神经网络的数据挖掘系统及其应用

作     者：穆丽新 

作者单位：哈尔滨理工大学 

学位级别：硕士

导师姓名：刘胜辉

授予年度：2006年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

主      题：数据挖掘 神经网络 粗糙集 

摘      要：在设计数字化社区一体化平台中,海量的数据被存储在数据仓库中。要充分利用这些数据,从这些数据中挖掘出潜在的规律,更好的完善数字化社区一体化平台的功能,我们设计了一个基于粗糙集神经网络的数据挖掘系统。 数据挖掘是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则。这些规则蕴涵了数据库中一组对象之间的特定关系,提出一些有用的信息,为经营决策、市场策划、金融预测等提供依据。 数据挖掘常采用的算法及理论有粗糙集(Rough Sets)、人工神经网络(Artificial Neural Networks)、决策树(Decision Trees)、遗传算法(Genetic Algorithms)等。 神经网络是数据挖掘中最为常用的算法之一。它具有高正确率、抗噪声数据能力强、计算的错误率低等优势。但是神经网络算法也有存在结构相对复杂,训练时间长、计算结果的可解释度比较低等问题。本文将建立一种采用粗糙集理论对数据进行预处理,然后使用神经规则进行数据挖掘的新方法。此方法可以在结果精度有限降低的前提下,得到表示简单明确且错误率降低的关联规则,同时可以减少网络训练时间,大大改进单独采用神经网络算法给系统带来的缺陷。 本文利用先进的数据挖掘技术建立了一个基于粗糙集神经网络的数据挖掘系统,拓展了数字化社区一体化平台的功能,使之能更好的为用户服务。在发展数据挖掘技术的应用方面做了一个有效的尝试,同时对其他行业中出现的类似问题的解决提供了一个方法,有一定的指导作用。