粗糙集中不同粒度层次下的并行约简和决策.pdf

粗糙集中不同粒度层次下的并行约简及决策 摘要 随着信息技术的不断发展，数据总量迅速膨胀变大，且超过传统数据库系统驾 驭数据的能力，人们对这类数据赋予了新的术语一大数据。伴随着云时代的到来， 大数据引起了人们广泛的关注，如何有效的对大数据进行挖掘和运用已成为各个领 域面临的新挑战。在数据挖掘领域对大数据进行“加工”，也成为数据挖掘技术发展 的一个必然趋势。 粒计算作为人工智能领域的一个新理论和新方法，它是研究大数据挖掘和复杂 问题求解的一个有力工具。目前，粒计算已被广泛应用在机器学习和数据挖掘等领 域。粒计算的主要模型有：粗糙集模型、模糊集模型、商空间模型和云模型。 粗糙集模型是粒计算的主要模型之一，能够有效的处理不精确、不一致、～不完 备的信息与知识。然而，大部分粗糙集方法都是针对静态数据模型提出的，如何对 增量式数据、海量数据、动态数据或多源数据进行分析处理，一直是数据挖掘研究 领域的一个热点，也是一个难点。在并行约简提出前，用来处理增量式数据、海量 数据、动态数据的粗糙集方法主要有：动态约简，多决策表约简。邓大勇提出的并 行约简理论为数据挖掘领域注入了新的血液，提供了一个新的研究方向。它将粗糙 集理论从单个信息表或单个决策表推广到