[发明专利]一种粗集优化神经网络的数据挖掘方法

权利要求书

1.一种粗集优化神经网络的数据挖掘方法，其特征在于：包括以下步骤：

a、对样本数据进行分析，根据己知的领域知识形成一个初始的连续属性决策表；

b、采用离散方法对连续属性进行离散化以形成离散属性决策表；

c、对离散属性决策表进行约简；

d、利用神经网络对数据进行训练、挖掘。

2.如权利要求1所述的粗集优化神经网络的数据挖掘方法，其特征是：步骤c通过以下方法实现：

用基于遗传算法的并行约简算法对数据进行属性约简，以约简后的属性作为输入层神经元，然后对数据进行垂直约简，以消除数据中的不一致对象和冗余对象。

3.如权利要求2所述的粗集优化神经网络的数据挖掘方法，其特征是：

所述属性约简采用以下流程：

输入：条件属性集合C＝{Y11，Y12，……，Y53}，决策属性集合D＝{d}；

输出：一个属性约简集合REDU；

步骤1：计算条件属性C有D正域POSC(D)；

步骤2：对属性Yij∈C，计算去除它所得到的条件属性子集C/{Yij}的D正域POSc/{Yij}(D)；

步骤3：如果POSc/{Yij}(D)＝POSC(D)，跳转至步骤2；否则，输出属性约简REDU＝C。

4.如权利要求2所述的粗集优化神经网络的数据挖掘方法，其特征是：所述不一致对象为条件属性相同而决策属性不同的对象，所述冗余对象为条件属性相同而决策属性也相同的对象。

5.如权利要求1至4任一所述的粗集优化神经网络的数据挖掘方法，其特征是：步骤b中采用距离划分方法或等频率划分方法或Naive Scaler方法使连续属性进行离散化。

6.如权利要求1至4任一所述的粗集优化神经网络的数据挖掘方法，其特征是：所述神经网络为多层前馈网络。