数据库中挖掘决策偏好信息的粗糙集方法研究.pdfVIP

第29卷 第6期 计 算 机 工 程 2003年４月 Vol.29№ 6 Computer Engineering April 20031 ·博士论文· 文章编号：1000—3428(2003)06—14—03 文献标识码：A 中图分类号：TP311 数据库中挖掘决策偏好信息的粗糙集方法研究 程 岩 (复旦大学管理学院信息管理系，上海 200433) 摘 要：获取决策者的决策偏好信息是多属性决策问题的关键所在，这种偏好信息往往隐藏在大量历史数据中。数据挖掘技术是知识自动获取的一个 重要手段。该文基于粗糙集理论提出了一个自动发现决策偏好信息的算法，利用该算法挖掘出的偏好信息采用if …then 规则的形式，因此更容易被决 策者所理解。 关键词：数据挖掘；多属性决策；粗糙集 Research on the Method of Mining Decision Preferential Information in Databases CHENG Yan (Department of Information Management, Management School, Fudan University, Shanghai 200433) 【Abstract 】Acquiring preferential information of decision maker is the key for multiple attribute decision problem, a lot of these information is hidden in huge amount of historical data. Data mining is a technology for automatic acquiring knowledge. In this paper , by integrating the theory of rough sets, a method of mining decision preferential information is developed. The preferential information inferred from historical data is a set of “if then” decision rule, so it is more understandable. 【Key words 】Data mining ；Multiple attribute decision；Rough set 获取决策者的偏好信息是多属性决策问题的关键所在，通 判断该公司的还贷款的风险较低。从形式化的角度来形容，可 常，这种信息以模型参数的形式给出，例如指标的权重或各种 以将决策表描述为一个五元组 S=U,C,D,V,f，其中 形式的阈值。在实际工作中人们更希望这种决策偏好信息以更 U={u,u，…，u}是决策实例的集合；数据记录的属性间往 1 2 N 容易被理解的形式表示出来，从而方便人们的决策。 往存在决定和被决定的关系,令 C为决定属性的集合,称为条 事实上，决策者的偏好信息是通过他每一次决策实例中 件属性集,D为被决定属性的集合,称为决策属性集,且要求 体现出来的，只是这些信息隐藏在大量的实例中而没有被明确 CD= ；令A=CD，每个决策就是根据属性集C提供的信 地表示出来。例如，审批贷款的决策中，大量历史数据会体现 息来判断某一事件（或行为）在决策属性 D上的取值；V表 出这样一条偏好信息：“如果公司所在地在发达地区，即便它 示所有属性可取值的集合；f：U×AV是一个信息函数，该 的赢利率一般，那它的风险依然很低”。 函数为某个数据记录的某个属性赋予一个特定的值，例如