1、數(shù)據(jù)挖掘就是從巨量數(shù)據(jù)信息中獲取有意義的知識的過程，目前已經(jīng)成為一個研究的熱點。分類規(guī)則挖掘是數(shù)據(jù)挖掘的一個重要研究領域。在分類規(guī)則挖掘中,人們通過對歷史或已知數(shù)據(jù)的分析，從而獲得對未來或未知情況判斷和預測的依據(jù)。 神經(jīng)網(wǎng)絡在分類問題中具有分類精度高、魯棒性好等優(yōu)點，但其知識蘊含在其結構中，不易為人所理解。粗糙集是一種處理不確定性和含糊性知識的數(shù)學處理工具，該方法不需要任何先驗的知識就可以得到數(shù)據(jù)中所隱含的對我們有用的知識。但是

2、粗糙集對數(shù)據(jù)中出現(xiàn)噪聲比較敏感，而神經(jīng)網(wǎng)絡對于在數(shù)據(jù)中存在過量冗余信息時將導致訓練過度。 本文融合粗糙集和神經(jīng)網(wǎng)絡各自的優(yōu)勢，對分類規(guī)則挖掘中的屬性約簡和規(guī)則抽取進行了深入研究。 本文的主要工作如下： 1.通過對粗糙集理論的深入學習研究，提出了一種基于規(guī)范化的二進制可辨矩陣及其屬性約簡算法。該方法適用于相容的和不相容的決策表信息系統(tǒng)，利用加權計算屬性重要性的策略，有利于屬性約簡的最優(yōu)求解。 2.研究了粗糙