1、數(shù)據(jù)挖掘技術(shù)通常由機器學習、數(shù)據(jù)庫和統(tǒng)計理論等技術(shù)相結(jié)合進行挖掘，是從許多較復雜關(guān)系的實際數(shù)據(jù)中，提取有潛在價值的數(shù)據(jù)信息的非平凡操作。粗糙集理論建立在對象里不可分辨關(guān)系的基礎(chǔ)上，能有效地解決不精確、不完整和不一致的數(shù)據(jù)，為進行有效地數(shù)據(jù)挖掘提供了新的思路和技術(shù)，在各方面都得到了成功的應用。粒子群算法是一種演智能技術(shù)，具有簡單、有效、收斂速度較快、全局搜索能力較強等特點。 本文探討了粗糙集的相關(guān)理論，把粗糙集與粒子群算法相結(jié)合進

2、行數(shù)據(jù)預處理，主要研究工作包括以下方面： 1)通過分析現(xiàn)有的不完備信息系統(tǒng)中空缺值的處理方法及其優(yōu)缺點，并對現(xiàn)有約簡算法及其不足進行比較和分析，引入了改進二進制粒子群算法，提出將粗糙集理論與粒子群算法相結(jié)合對不完備決策表進行屬性約簡，依照決策屬性對條件屬性的依賴度，結(jié)合近似分類精度與近似分類質(zhì)量給出了粒子適應度函數(shù)。實驗證明該屬性約簡算法收斂快，約簡效率高。 2)對含有離散屬性和連續(xù)屬性的混合屬性數(shù)據(jù)進行分類處理，通過構(gòu)

3、造復合粒子結(jié)構(gòu)，設計了一種復合粒子群算法，對于連續(xù)屬性的數(shù)據(jù)，不必提前進行離散化預處理，而直接進行復合操作，將連續(xù)值屬性離散化與混合數(shù)據(jù)分類過程融為一體，保證了分類操作的信息對象的完整，減少誤差。實驗表明該算法減少了時間開銷，有良好的性能。 3)通過分析網(wǎng)絡信息系統(tǒng)安全評估標準，提出一種基于粗糙集的改進粒子群約簡算法，來進行指標屬性約簡和權(quán)集的構(gòu)建，進而建立新型融合的網(wǎng)絡信息系統(tǒng)安全評估方法。最后，通過實例說明了該方法的實用性與