基于Rough集的增量学习方法研究

研究基于Rough集的增量学习方法。提出基于Rough集的关联模式增量挖掘算法，重点研究序列模式的增量挖掘方法；提出面向参数的Rough集增量调整算法；提出增量式Rough集聚类算法；给出进行异常情况分析的增量式Rough集方法；设计并实现相应的数据挖掘平台；将研究成果应用于电力营销数据挖掘、人脸识别应用和肺癌病理诊断等系统中。项目将着重解决面向海量数据时的效率问题，增量学习中的属性集变化问题以及处理离散属性值和连续属性值时方法的异构问题。该项目不仅可以促进基于Rough集的增量学习方法研究，还将有助于技术的实用化发展，具有较好的理论价值和应用前景。