目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

随着数据挖掘和软计算技术的发展，从空间数据自动挖掘知识成为可能。 从具有不确定性的空间数据中提取空间规则是空间数据挖掘中的重要问题。 粗糙集理论是从具有粗糙度的数据中提取规则的有效工具。 在我们以前的研究中，粗糙集方法已成功地用于分析神经管出生缺陷的社会和环境原因。 但是，由于对象的复杂性和人类知识的主观限制，粗糙性和模糊性可能会同时存在于空间数据中。 空间数据中经常遇到的模糊决策情况超出了经典粗糙集理论的能力范围。 本文提出了一种基于粗糙模糊集的模型，该模型从同时具有两种不确定性（粗糙度和模糊

粒计算是模拟人类思维和解决复杂问题的方法,它是复杂问题求解、海量数据挖掘、模糊信息处理的有效工具.文中首先分析并指出传统的规则获取方法存在的某些弊端,并从粒计算的角度分析属性约简的粒度原理,指出属性约简过程的本质是寻找决策划分空间的一个极大近似划分空间,而在极大近似划分空间上提取的规则可能不是最简规则.为此,提出一种基于最大粒的规则获取算法,该算法根据条件属性对论域形成的分层递阶的划分空间,自顶向下逐渐提取最大粒对应的规则.仿真实验表明该算法提高粗糙集的泛化能力.