1、隨著計算機數據采集工具以及數據庫技術的發(fā)展,目前中國各個行業(yè)已存儲了大量的數據,尤在農業(yè)、氣象、醫(yī)療等行業(yè)最為突出.傳統的數據分析手段由于只能提供對數據的查詢、檢索、統計等表層信息,無法獲得數據屬性的內在關系和隱含信息,使得數據庫中蘊涵的豐富知識得不到充分挖掘和利用,造成了資源的極大浪費.為了使消耗大量財力與物力所收集與整理的寶貴數據資源得以充分利用,有效地解決數據豐富性及知識貧乏性的矛盾,需要新的技術智能、自動地分析處理原始數據,從而

2、促使了數據庫知識發(fā)現(KDD,KnowledgeDiscovery in Database)研究的出現.數據庫知識發(fā)現通過綜合運用統計學、粗糙集、模糊數學、機器學習和專家系統等多種技術從各種數據庫中提煉出先前未知的、平凡的、具有潛在應用價值的信息或模式,從而揭示出蘊涵在這些數據背后的內在聯系和本質規(guī)律,指導人們有效地利用數據庫中的數據并為正確決策提供依據.1982年波蘭華沙理工大學的Z·Pawlak教授提出了一種刻畫不完整性和不確定性知

3、識的形式化方法-----粗糙集理論(Rough SetsTheory).由于粗糙集理論的使用不需要先驗知識的介入相比較其他知識發(fā)現方法,它給應用帶來更大的便利.該文圍繞如何根據農業(yè)領域的數據特性實現其知識發(fā)現,展開研究和討論,提出了基于粗糙集理論的農業(yè)數據庫知識發(fā)現方案.首先,通過對粗糙集理論的深入研究,闡明粗糙集理論是一個適用于不完整和不確定系統工程知識發(fā)現的數學工具,尤其適用于農業(yè)領域數據的知識發(fā)現.其次,討論和分析了農業(yè)數據處理階

4、段屬性值的范化問題.第三,在前兩步工作的基礎上重點探討了粗糙集的屬性約簡方法,對多種算法進行分析比較、指出各自的性能和適應范圍,并針對農業(yè)數據特點提出了一種改善農業(yè)數據屬性約簡速度的新型算法.最后,針對農業(yè)領域的數據特性和挖掘的具體任務,結合前兒步的研究結果提出了一種基于粗糙集理論的農業(yè)數據庫知識發(fā)現系統模型.數據庫中的知識發(fā)現研究仍然處于起步階段,它在農業(yè)領域中還有許多問題值得探討.該文所提出的基于粗糙集理論的農業(yè)數據庫知識發(fā)現方案試