基于Rough集理论的数据挖掘属性约简技术的研究.pdfVIP

第25卷第3期 广东教育学院学报 2005年6月 V01．25No．3 of EducationInstitute Journal Jun．2005 Guangdong 基于Rough集理论的数据挖掘属性约简技术的研究 徐 宁卜2，章云2，孟月萍1 (1．广东教育学院计算机科学系，广东广州510303； 2．广东工业大学自动化学院，广东广州510090) 摘要：经过20多年的发展，Rough集理论获得了广泛的认识和运用，特别在数据挖掘、知识发 现的研究中发挥着越来越大的作用．属性约简是大数据集压缩冗余数据的关键技术，Rough集理论 基于数据分类的原理，提出了属性约简判定理论，并发展了多种约简技术，使数据挖掘中的属性约 简难题摆脱了依赖主观处理的阶段，得到了有效的处理，并向高效约简的方向发展． 关键词：数据挖掘；Rough集理论；属性约简 中图分类号：TP14；TP301．6文献标识码：A文章编号：1007—8754(2005)03一0094一04 引言 20世纪60年代开始发展的数据库技术，使各类数据库的使用成为日常．电子数据的不断积累，导致 了电子存储容量的世界性爆炸．数据越多，隐含的信息越多、知识越多．同时，人们也看到，面对这样的海 量数据，要获取其中隐含的知识，需要更强有力的数据分析和处理技术．数据挖掘和Rough集理论就是伴 随对海量电子数据的分析和处理的需要而产生的． ． Sets Rough集理论(Rough 着应用推广、理论发展，90年代初开始得到世界的关注[2．3|，并相继取得了在医疗数据分析、生产控制算法、 地理学、振动分析、开关电路综合、语音识别、近似分类、故障诊断、图像处理等方面的众多应用[4]，成为数据 挖掘、机器学习、智能信息处理等计算机研究领域发展的热点[5]． 1 Rougll集关于属性约简的基本理论 Rough集理论以数学集合论为基础，是针对结构型数据库进行数据分析和数据处理的数学工具．其基 本内容有：1)数据集不确定不完备信息的分析；2)数据集属性约简分析；3)数据集知识规则的抽取．其中的 属性约简技术是数据挖掘的关键技术，也是Rough集理论研究的核心，因为其重要的应用价值，受到最为 广泛的讨论和发展． Rough集理论对属性约简的基本概念是，在保持系统分类能力不变的情况下找出并去除冗余的属性， 达到简化数据关系的目的．对通常的数据集／库／表，Rough集将其称之为信息系统S，用四元关系定义： 其中C为条件属性集合，D为决策属性集合，Cn (DecisionTable，DT)． A中的每一个属性在分类取值下，是U上的一个等价关系，属性子集R垦A，是一族等价关系，对这一 收稿日期：2004一lO一29 基金项目：广东省自然科学基金资助项目 作者简介：徐宁(1956一)，女，山西五台人，广东教育学院计算机科学系讲师，博士． 万方数据 第3期 徐宁等：基于Rough集理论的数据挖掘属性约简技术的研究 95 族等价关系的交集Rough集定义： 定义2 U上一族等价关系的交称为不可区分关系(indiscernibility 的交记为 ind(R)一nR． 因这个新等价关系中的等价类对象在属性集R描述下取值相同，而称为不可区分．如：z，y∈[z]i—c尺，， V口∈R，]n(z)一口(y)．([z]R是等价关系R下的等价类) 在不可区分关系的描述下，关于属性集A中冗余属性的约简，Ibugh集有定义： 定义3 当A—CUD，D—p，R∈C时，如果成立： ind(R)=ind(C)， 定义4 X∈U，是U的一个子集，称 ‘