下载掌阅APP，畅读海量书库
立即打开
|
2.1 引言 |
现实世界中数据大体上都是不完整、不一致的脏数据，无法直接进行数据挖掘，或者挖掘结果差强人意。为了提高数据挖掘 [ 1～3 ] 的质量产生了数据预处理技术 [4～6] 。数据预处理有多种方法：数据清理、数据集成、数据变换、数据归约等。这些数据处理技术在数据挖掘之前使用，有效地提高了数据挖掘模式的质量，降低了实际挖掘所需要的时间。
用于健康状态诊断的历史数据量相当庞大，且其特征属性众多，若直接用作诊断模型的输入，不但增加了模型的复杂程度，而且随着输入节点增加，噪声数据也同时增多，反而不利于诊断模型的精确度。为此，本章给出一个基于灰色粗糙集的二阶段数据预处理的改进算法，并将其作为对诊断数据属性空间的预处理方法，该算法有效地降低了算法的时间复杂度，对于在线诊断有更好的效果 [7] 。