基于粗糙集的实属性值约简算法.pdfVIP

2010年 1月 内蒙古大学学报 (自然科学版) Jan． 2010 第 41卷第1期 JournalofInnerMongoliaUniversity Vol_41 No．I 文章编号 ：100O一1638(2010)01—0097—05 基于粗糙集的实属性值约简算法。 赵 连胜 ，施 纪华 (包头师范学院信息科学与技术学院，内蒙古 包头 014030) 摘要 ：在A．Skowron关于属性值约简研究的基础上，给出截断点集的逻辑抽取方法，并基于 复杂度的考虑提出一种改进的启发式算法，使属性的值集规模有实质性的约简． 关键词 ：粗糙集；属性值约简；截断点集；逻辑抽取 中图分类号 ：TP301．6 文献标志码 ：A 数据挖掘的对象主要是大数据集的数据库或数据仓库 ，随业务而增长的海量数据 ，给数据挖掘带 来新的挑战．虽然数据挖掘技术研究不断深入 ，可挖掘算法的效率提高越来越不明显，作为挖掘算法 实施 的起点，经过预处理的数据的质量严重影响着挖掘的效果．于是数据预处理工作就显得越来越重 要．数据预处理包括数据清理 、数据集成和变换 、数据约简等操作 ，把原始的数据库或者数据仓库变 换成适合挖掘的模式 ，为进一步的数据挖掘做准备．已有一些 比较成熟的数据预处理技术n，但面对 日益增长的海量数据和 日趋复杂的数据结构数据预处理还有很多工作要做 ，数据约简是数据预处理 的一个重要环节 ，粗糙集理论是用来处理模糊和不确定性知识的数学工具 ，是一种有效的软计算方 法．其主要思想是在保持分类能力不变的前提下，通过数据约简，导出问题的决策或分类规则，利用粗 糙集进行数据约简主要有属性的约简和属性值约简，属性约简的研究 已经 比较充分。，而对属性值约 简的研究相对较少．本文在A．Skowron关于属性值离散化约简研究的基础上 ，给出截断点集的逻辑 抽取方法，并基于复杂度的考虑提出一种改进的启发式算法． 1 基本理论 1．1 决策系统 定义 1．1 S为决策系统 ，可表示成S一{U，A，d)，其中 是所有对象的集合U一{z，X……z)， A是条件属性集合 ，d是决策属性．V—YaEAV ，其 中 是 口的值域．，： ×A— 是一函数 ，对每一 口∈A，z∈U有 f(xf，n)∈V ． 1．2 不可分辨关 系 定义 1．2 在 中定义二元关系IND称为不可分辨关系，是指对任意B A，设f(x，p)一p(z) INDp= (( ，z)∈U ×U：对 VP ∈B，户(z)一 P(z)) 此 时称z，z是 中在属性召下是不可分辨 的．由于不可分辨关系满足 自反性 、对称性、传递性 ，所以 不可分辨关系为一等价关系． 1．3 等价类 定义 1．3 在 中，Bc ， ／B一 (E ，E ……E)称为由等价关系IND ／B在 上划分 的等价类 ， 其中E，一 {1『，五2……‰ jf(x¨B)：f(西2，B)=…f(x ，B)x；j∈ )． · 收稿 日期 ：2009—11-11 基金项 目：内蒙古 自治区高等学校科学研究项 目(NJo9152) 作者简介：赵连胜 (1963一)，男，内蒙古包头人，副教授，硕士，研究方向为数据库、数据挖掘． 98 内蒙古大学学报 (自然科学版) 一 个关系型数据库，其中列被标识成属性，行被标识成对象，若选定其中一个属性称为决策属性， 其余属性称为条件属性 ，则也可认为关系型数据库是一决策系统． 2 属性值约简 Skowron离散化处理。 定义2．1 S===(己，，A，)是一决策系统，V一[1a，ra)CR，口EA，laura． 偶对 (口，c)，VnEA，cEVa称作Va的截断点． 定义2．2 V ∈A，对实值序列 … ，其 中{， ，…，屹)一 {口(z)：∈U)，口的截断 点集表示为：Ba= {(口，(+g)／2)，(n，(+ )／2)，… ，(n，(屹一+屹)／2)，)．而U口EABa称作 的 截断点集． 示例 1“ 给一个决策系统 如表 1，属性口，b的值域 一Fo，2)；Vb=E