基于模糊系统和遗传算法的数据挖掘技术的研究

数据挖掘是分析大规模数据集的有效方法。由于数据内在的不精确性和多属性之间的复杂性，有时已有的方法就失效了，而软计算技术在这两方面有着独到的优势，所以以软计算技术为手段研究新的数据挖掘方法具有重要的意义。本文力图将模糊系统和遗传算法结合起来，发挥各自的优势，研究解决数据挖掘的两类基本问题--预测和分类的新方法。 本文的工作主要体现在以下几方面： 1)回顾了数据挖掘的历史背景，总结了数据挖掘的定义，数据挖掘的过程，挖掘的六种知识及其主要方法。 2)概要的介绍了本文研究内容的理论基础：模糊系统和遗传算法。 3)针对预测问题，本文提出了一种由模糊规则构成的预测模型，并用遗传算法来确定模糊系统的参数，最后以某气象台的历史资料为依据预测降水量，作为对比，本文同时给出回归分析方法得出的结果，对比表明本文的方法得出的结果要优于回归分析方法得出的结果。 4)针对分类问题，本文提出了一种由模糊规则构成的分类器，每条模糊规则由研究对象一个属性、归属类和影响因子组成。遗传算法被用来寻找最优模糊规则集。在算例中，本文将此模型用于机器学习领域的一个经典数据集，得到了规模小、分类准确度高的分类器