属性约简.doc

粗糙集的研究对象是一个数据集，数据集一般被保存为数据表格形式，即数据库或信息系统。信息系统的形式是由研究对象和属性值关系构成的二维数据表，类似于基础数学中的关系数据库。信息系统实现了粗糙集模型的知识表示。 定义2.1.1[46] 设为一个数据库，其中是属性的有限非空集合，，，为属性的值域；定义信息函数 . 例如表2.1.1是一个信息系统，其中， ，={0,1}，={0,1,2}. 表2.1.1 信息系统 U 1 1 1 1 1 0 1 2 0 0 1 0 0 0 1 0 1 0 0 2 定义2.1.2[46] 对于，，，对于，定义：， 。 (1)若，则称：。 (2)不可分辨关系是等价关系，具有： 自反性：； 对称性：； 传递性： ． (3) 是上的一个等价关系，， ，称为关于的一个划分。 (4),, ,, ,， 则称：，称为上的不可区分关系。 称为的基本知识。 当，称比细， ． 粗糙集与近似 定义2.1.3[46] ，是上的一个等价关系，，若存在，，，称是关于的精确集。否则称是的粗糙集。 定义2.1.4[46] 给定一个知识系统，，，，集合关于的下近似，上近似，负区域及边界区域分别为： 下近似： ; 上近似： ; 负区域：; 边界区域：. 下近似是肯定属于某一子集的对象的集合，上近似是可能属于某一子集的对象的集合。 定义2.1.5[46]给定一个知识系统令为论域的知识，其中 是的第个类别，， 则定义： 为知识的近似精度， 定义为知识的近似分类质量。 度量了知识对于属性集的依赖程度。当=0，则说明知识完全不依赖于属性集P，即属性集P对知识完全没有影响；当01，则说明知识在数值的程度上依赖于属性集P，即属性集P对知识影响是有限的，或者数据集本身具有自身矛盾性等其他缺陷；当=1，则说明知识100%依赖于属性集P，即知识完全取决于属性集P. 在粗糙集信息系统中，设R是一个等价关系簇，，如果 ，则称在等价关系簇R中是不必要的。否则称在等价关系簇R中是必要的。若R中的每一个等价关系都是必要的，则称R是独立的。知识约简就是在知识库分类能力保持不变的情况下，删除不相关的冗余属性。 定义2.1.6[46] 对于信息系统，若对于属性子集中每一个属性在中都是必要的，则称是独立的；若在属性子集中，存在某一属性在中是不必要的，则称是相依的。 定义2.1.7 若，满足下面两个条件： (1) 是独立的。 (2) 则称是的一个约简。记为：。中所有的必要关系组成的集合，称为的核，记为：。即：。核是信息系统中的核心属性集，是所有约简的公共部分。 例如：，， ， ， ， 求：的约简和核。 解： 因为 ， 所以 是的一个约简。 所以 也是的一个约简。 所以 不是的约简。 综上所述：， . 定义2.1.8[46] 设和是中的两个等价关系，的正域定义为： 。若，，则称等价关系是中关于是不必要的，或称是中不必要的，否则称是中必要的；若中每一个等价关系都是必要的，则称是独立的，否则称是依赖的。 记：表示依赖于的程度。（一般）。 定义2.1.9[46] 若，如果满足以下两个条件： (1) 是独立的 (2) 满足式子： 则称是的一个约简，记为： 称为的核。 定义2.2.1[46] 信息系统可以用一般表来表示，称为信息表，例如表2.1.1。信息表中每一个属性是一个等价关系。若，，是条件属性集，是决策属性集，此时的信息表称为决策表。例如表2.2.1是一个判断感冒信息决策表。 表2.2.1 决策表 U︱症状 头痛 肌肉痛 体温 感冒 病人1 是 是 正常 是 病人2 是 是 高 是 病人3 否 是 很高 是 病人4 否 否 正常 否 对于一个决策表，设和是中的两个等价关系，对于依赖于的程度，如果= 1，称这样的决策表为一致决策表，如果0 1，称这样的决策表为不一致决策表；如果= 0称这样的决策表为完全不一致决策表。不一致决策表，直观的说，就是决策表中至少存在两个个体，在所有的条件属性均对应相同时，其决策属性是不同的。 决策表的属性约简，一般是针对条件属性的约简。即寻找最小的条件属性子集，，. 属性约简是粗糙集理论的重要研究方向，对于分类对象在实际问题中，最终构建一系列规则下的模型具有重要的作用。在各国各领域学者的努力下，已经得知属性约简是NP难问题，如何在较短的时间里找出最佳约简或次佳约简，是人们关注的热点之一。目前，已经有了很多行之有效的约简算法。在本小节，只是简要介绍常见的几个属性约简算法。 快速约简算法 快速约简算法主要用于计算属性集基数最小的约简[46]，其主要思想为： 从开始，在条件属性集中按照选择规则选择属性，逐个加入到中，选择规则是：取当前能够使分类质量最大的属性。 终止条件是：使分类