关于决策表化的进一步研究.pdfVIP

摘要 摘 要 基于Pawlak粗糙集理论的决策表的简化方法是一种典型的方法 本文首 先讨论了这种方法的三个重要问题 给出了计算决策表的所有规则的所有约 简的一种算法 以此为基础从三个不同的角度 即最小算法包含的约简数最 少 或其中每个约简所含合取项最少 或其中所有约简的合取项数之和最少 讨论了最小算法的优化问题 分别证明它们是 NP-hard问题 给出了最小算 法三种优化问题的启发式算法 并对其时间复杂度进行了分析 最后 本文 还在Pawlak对决策算法的概率性质研究的基础上 对最小算法的的概率性质 进行了讨论 建立了基于最小算法的粗糙推理模式 关键词 决策表 粗糙集 约简 NP-hard问题 启发式算法 I Abstract Abstract Rough -set-based -method to simplify a decision table is of great importance. In this paper, firstly, a deep discussion on the method is made, and an algorithm for computing all reducts of every decision rule in a decision table is proposed and performed. Secondly, three optimal problems of the minimal algorithms of a decision table are investigated and their NP-hard nature is proved, and three heuristic algorithms for the three optimal problems are presented and performed . Thirdly, an investigation to probabilistic characters of the minimal algorithms is made. Key Words: decision tables, rough sets, reducts, NP-hardness, heuristic algorithms II 第1 章 前言 第 1 章 前言 1.1课题研究的背景 决策表是一种特殊的信息系统 是没有经过加工的 原始的数据库 它 包含着很多冗余数据 是 丰富的信息与贫乏的知识 的典型表现 人们希 望从中识别出有效的 潜在有用的 可理解的模式 并创立了很多数据挖掘 [1] 的方法 基于粗糙集的方法是其中比较成功的方法 粗糙集理论是由波兰数学家Pawlak于20世纪80年代提出的 可用于数 [2] 据挖掘的数学理论 其主要优势是它不需要任何预备的或额外的有关数据信 息 比如统计学中的概率分布 Dempster-Shafer理论中的基本概率赋值 或 者模糊集理论中的隶属度等 基于粗糙集理论的对决策表的数据挖掘在于对决策表的简化 即先对属 性进行约简 再对规则进行值约简 删去多余的规则 最后得到所谓最小算 法 但是 最小算法按其定义来说是不唯一的 比如得到了 n个最小算法 这些最小算法是否包含了所有可能的结果 能否通过某种方法得出一个不含 在这 n个中的结果 对于决策表 是否存在这样的最小算法 它包含的规则的约简最少且每 个约简所含的原子公式最少 如