基于属性关联度启发式约简方法.doc

1.本课题所涉及的问题及应用现状综述 2．本课题需要重点研究的关键问题、解决的思路及实现预期目标的可行性分析 3.完成本课题的工作方案 4．指导教师审阅意见 指导教师(签字)：　　 年 月 日 说明： 本报告必须由承担毕业论文(设计)课题任务的学生在毕业论文(设计) 正式开始的第1周周五之前独立撰写完成，并交指导教师审阅。  摘要 I ABSTRACT II 1引言 1 2 绪论 2 2.1 粗糙集理论的研究现状 2 2.2 本文的工作 4 2.3 本文的组织 4 3 粗糙集的基础理论 5 3.1 粗糙集理论概况 5 3.1.1 粗糙集的研究对象 5 3.1.2 粗糙集理论的特点 5 3.2 知识与知识库 6 3.3 不可分辨关系与上、下近似集 7 3.4 信息系统 9 3.5 知识的依赖性 10 3.6 属性约简与核 11 4 关联属性约简算法及其改进 14 4.1 分辨矩阵及基于分辨矩阵的算法 14 4.2启发式属性约简算法 16 4.3 算法改进 17 5 基于属性的灰度的属性约简方法 20 5.1 定义与算法 20 5.2 算法实例分析 21 6 研究工作总结与展望 26 6.1研究工作总结 26 6.2 研究工作展望 27 致谢 29 参考文献 30 摘要 粗糙集理论是一种处理含糊和不确定性信息的新型数学工具，其理论提出以来得到迅速的发展和广泛的应用。而知识约简是粗糙集理论重要研究内容之一，它的主要目的在于去除数据中的冗余信息，同时保持原决策信息系统的分类能力不变。当出现大量或海量数据时，原有约简方法效率就会变低，所以须对粗糙集约简计算理论进行优化，并且发展完善相关计算算法，以提高知识约简的效率。 本文首先基于粗糙集理论，针对知识约简优化计算问题提出了两种知识约简方法，分析了这两种方法之间的关系以及它们的优缺点。并根据关联度以及灰度的理论分析，提出了减少执行时间的改进算法，降低了算法的时间复杂度，并最终完成了实验仿真。根据仿真结果得出结论：虽然经典的基于分辨矩阵的属性约简算法就约简后属性个数而言，比另外两种算法的效率有所提高，但其执行时间要高出很多，尤其当实例数较大时，执行时间会高出数倍左右。该结论有助于改进知识约简的效率，进一步提高粗糙集数据分析能力。 关键词：粗糙集，属性约简，差别矩阵，关联度 ABSTRACT Rough Set Theory is a new mathematical tool to reason about uncertain and vague information. It has been rapidly developed and widely applied in many fields. Reduct is the most important concept in rough set, whose main purpose is to remove the redundant information and preserves classification accuracy of original information system. Facing with huge amounts of data, the old algorithms for reduct is not feasible. It is necessary to optimize the computation theory, and proposes some practical algorithms to improve the efficiency of reduct. Based on rough set theory, the thesis mainly focuses on the problems of optimized computation for reduct. In this paper, based on rough set theory for knowledge reduction made to optimize the calculation of two methods of knowledge reduction, analysis of the relationship between the two methods and their advantages and disadvantages.And in accordance with gray relational grade, as well as theoretical analysis, to reduce the execution time o