1、基于數(shù)據(jù)庫的知識發(fā)現(xiàn)(KDD)又稱數(shù)據(jù)挖掘(DM)是一種新的用于對數(shù)據(jù)庫中大量數(shù)據(jù)進行處理的智能信息處理技術(shù)，是構(gòu)建智能商務(wù)、新型決策支持系統(tǒng)等新型智能信息系統(tǒng)的一種基本構(gòu)件，是當前智能信息技術(shù)研究的熱點。 粗糙集(Roug集)理論是波蘭數(shù)學家Pawlak提出的一種研究不精確和不確定問題的數(shù)學工具。是目前公認的研究數(shù)據(jù)挖掘、知識約簡和粒計算等的理論基礎(chǔ)。數(shù)據(jù)庫技術(shù)是管理和操縱數(shù)據(jù)庫中大量數(shù)據(jù)的最先進最有效的技術(shù)。充分利用數(shù)據(jù)庫技

2、術(shù)所具有的對數(shù)據(jù)庫中數(shù)據(jù)操作的優(yōu)勢，來改進或設(shè)計新的適合于大數(shù)據(jù)集的高效數(shù)據(jù)挖掘算法，是許多學者正在探索的一個有效途徑。本文以粗糙集理論作為研究的主要理論依據(jù)，并充分考慮和運用數(shù)據(jù)庫技術(shù)的優(yōu)越性，對目前數(shù)據(jù)挖掘中存在的一些問題進行了研究，提出了有效可行的解決方案。本文研究內(nèi)容如下： 1.對屬性約簡算法中基于分辨矩陣求取核屬性的時空代價以及必要性進行了分析，基于Rough集和數(shù)據(jù)庫技術(shù)對屬性約簡算法進行了改進，實驗證明在大數(shù)據(jù)集上

3、該算法的效率大大高于一些基于主存的屬性約簡算法。 2.針對Rough集中刻畫屬性分類能力的主要機制正區(qū)域?qū)傩苑诸惸芰Φ目坍嬏醯膯栴}，提出了一個刻畫屬性分類綜合貢獻能力的測度——屬性分類粗糙度，理論分析和實驗表明作為分類算法中選擇屬性的測度，該測度優(yōu)于信息增益，并與信息增益率相當，且計算更為簡單?；谠摐y度和本文有關(guān)研究提出了一個具有良好可擴展性和適應(yīng)性的分類算法，該算法可直接生成決策樹或分類規(guī)則。 3.基于可變精度R