摘要：移动信息节点变化下的数据存在模糊性和噪声，导致传统基于关联规则映射的数据挖掘过程，由于单纯采用关联规则映射方法，输入信息空间维数较大，导致网络结构复杂，数据挖掘效率大大降低，为提高信息精度，提出一种粗集和神经网络的数据挖掘方法，从移动方向和移动距离的角度分析了移动信息节点的变化规律，将带有非线性连接权的二层神经网络作为信息识别系统，通过粗集方法对神经网络的学习训练样本集进行信息简化。在移动信息节点变化规律的基础上，对输入和输出数据进行归一化处理，删除输入信息表的冗余数据和冗余属性，计算出约简的属性集，获取最简约简表。对通过RS信息简化后的样本集进行学习训练，直至符合精度要求。采用训练完成的神经网络对待挖掘的信息进行计算、识别与分类，并输出数据挖掘结果。仿真实验结果表明，所提方法具有很高的挖掘精度及效率。

原文链接:http://www.cqvip.com//QK/92897X/201603/668338104.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）