1、粗糙集(Rough Set)理論是波蘭數(shù)學(xué)家Pawlak教授于1982年提出的一種能夠定量分析和處理不精確、不一致、不完整信息與知識(shí)的數(shù)學(xué)工具,常用于處理模糊和不精確的問(wèn)題.數(shù)據(jù)挖掘即數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(Knowledgc Discover Database,KDD),而商業(yè)智能研究中的商業(yè)數(shù)據(jù)挖掘,是一個(gè)從數(shù)據(jù)庫(kù)中抽取對(duì)商業(yè)零售企業(yè)進(jìn)銷存等具有潛在應(yīng)用價(jià)值的隱含信息的過(guò)程。使用粗糙集數(shù)據(jù)挖掘系統(tǒng)(RSDMS)進(jìn)行數(shù)據(jù)預(yù)處理,消去冗余屬

2、性,抽取決策規(guī)則,可以在不影響決策效能的前提下精簡(jiǎn)屬性集。將SQL運(yùn)用于求信息熵的約簡(jiǎn)過(guò)程當(dāng)中,相關(guān)約簡(jiǎn)算法可以通過(guò)縮短執(zhí)行時(shí)間來(lái)提高其效率。頻繁項(xiàng)目集發(fā)現(xiàn)算法是關(guān)聯(lián)規(guī)則的主要內(nèi)容之一,本論文在文獻(xiàn)[44]的基礎(chǔ)上提出了一種Apriori改進(jìn)算法,在提出的矩陣基礎(chǔ)上我們可以方便地得到各個(gè)項(xiàng)集的支持度計(jì)數(shù),而不需要像Apriori算法那樣頻繁地掃描事務(wù)數(shù)據(jù)庫(kù),減少了掃描事務(wù)數(shù)據(jù)庫(kù)的次數(shù),也不需要像參考文獻(xiàn)[44]當(dāng)中的算法那樣得出各個(gè)項(xiàng)集

3、對(duì)應(yīng)的子矩陣,降低了算法的復(fù)雜度。本論文在總結(jié)前人研究成果的基礎(chǔ)上,針對(duì)粗糙集的屬性約簡(jiǎn)算法及其應(yīng)用、商業(yè)數(shù)據(jù)挖掘、電子商務(wù)智能推薦等方面進(jìn)行了研究,主要內(nèi)容歸納如下:
　　 (1)對(duì)粗糙集的基本理論知識(shí)進(jìn)行了總體研究,詳細(xì)介紹了粗糙集的發(fā)展歷程及其國(guó)內(nèi)外現(xiàn)狀,分析了粗糙集的屬性約簡(jiǎn)算法,并在精簡(jiǎn)條件屬性集的基礎(chǔ)上運(yùn)用基于SQL的屬性約簡(jiǎn)算法對(duì)其進(jìn)行了改進(jìn)。
　　 (2)對(duì)數(shù)據(jù)挖掘以及商業(yè)數(shù)據(jù)挖掘的基本理論及其應(yīng)用、應(yīng)用

4、中存在的問(wèn)題等做了介紹,針對(duì)數(shù)據(jù)的離散化、完備化等問(wèn)題進(jìn)行了分析研究,在相關(guān)文獻(xiàn)的基礎(chǔ)上提出了一種Apriori改進(jìn)算法。
　　 (3)介紹了電子商務(wù)的發(fā)展歷程及其國(guó)內(nèi)外現(xiàn)狀,分析了電子商務(wù)的流程及其在運(yùn)行過(guò)程中應(yīng)該注意的問(wèn)題,并對(duì)電子商務(wù)智能推薦系統(tǒng)進(jìn)行了研究。
　　 (4)對(duì)電子商務(wù)網(wǎng)站的相關(guān)數(shù)據(jù)進(jìn)行分析處理,利用改進(jìn)的粗糙集屬性約簡(jiǎn)算法及Apriori改進(jìn)算法進(jìn)行數(shù)據(jù)挖掘,將兩種改進(jìn)算法結(jié)合使用作為一種方案運(yùn)用到推