一种海量数据挖掘技术 【技术领域】 [0001] 本发明涉及一种海量数据挖掘技术，尤其是并通过对分解后的子问题进行求解来 对原问题进行求解，从而降低复杂度问题求解。粒计算理论自提出以来，很多学者对此进行 了深入的研究，且已经被成功地应用到各个领域。。 【背景技术】 [0002] Rouh集（Rouh Set, 0RS)理论由波兰逻辑学家Pawak教授于1982年提出，由于 它能有效地分析和处理不精确、不一致、不完备系统不完整等各种，并能从中揭示潜在的规 律，近年来在机器学习数据挖掘、等多个领域得到了广泛应用。目前，对应Rouh Set的概念， 发展了 7RS代数学、7RS逻辑学，并与其它有关理论模糊集（如神经网络）的关系也得到了 研究和阐明。 [0003] 人工智能的数据挖掘是研究领域中的一个热点。在数据挖掘的研究工作中，海量 数据的处理是一个研究难点。近年来，国内外很多学者提出了许多处理海量数据的方法。 1991年，Calett提出了随机抽样的方法来处理海量数据；1996年，IBM Almdmen研究中心 提出了 SLQ和SPINT方法；1998年，Alsabt提出了 CLUDS方法，Josh提出了 ScalPrC方法， Gehre提出了 RaiForest方法；2002年，我国有了 HSCO分类方法来处理海量数据，并取得了 较好的效果。 【发明内容】 [0004] 本发明要解决的技术问题是提供一种挖掘海量数据技术，它是人工智能领域中的 一种新理念和新方法，主要用于对不确定、不精确、不完整信息的处理，以及对大规模海量 数据的挖掘以及对复杂问题的求解，它覆盖了所有和粒度相关的理论、方法和技术。 [0005] 为解决上述技术问题，本发明所采用技术是：对二维表快速排序的平均时间复杂 度为80 (nX (logn+m))的最新结果，结合我们已有的对Rogh集和粒计算的研究基础，有可 能改进现有的算法，设计出能高效、高精度处理海量数据的低复杂度算法。 [0006] 与现有技术相比，本发明的有益效果是：将负责问题分解成为我们当前可控的粒 度大小，粒计算方法最本质的思想是通过合适粒度的选择。 【具体实施方式】 [0007] 在数据挖掘的研究中，快速排序是一个二维表重要操作。在基于集理论的海量数 据处理中，可以利用二维表的快速排序操作来划分等价类。基本保持了与η的线性关系，这 一结果将有助于海量数据处理方法的加深。假定二维表中的数据（9η条记录，9m个属性） 服从均勻分布，二维表快速排序的平均时间复杂度为90(nXlOgnXm8)。