一种基于SQL用户自定义精度粗糙集属性约简算法.docVIP

一种基于SQL的用户自定义精度的粗糙集属性约简算法 　　摘 要：将数据库的关系运算运用于粗糙集的属性约简，引入用户自定义精度，改进基于SQL的属性约简算法。仿真实验结果表明，该方法与经典粗糙集相关方法相比，有更高的执行效率和抗噪性，为粗糙集理论更广泛地应用于海量数据的数据挖掘提供了一种方法。 　　关键词：粗糙集；SQL语言；属性约简 　　数据库系统具有存储空间利用率高、存取效率高等优点，如果将粗糙集理论中的决策表以关系数据库二维表的形式表示，通过将粗糙集理论中的相关算法嵌入到数据库管理系统中，实现对属性约简算法的改进。在标准SQL语言中，GROUP BY子句可将数据库中二维表的数据按某一列或多列的取值进行分组，值相等的为一组，该操作可对应粗糙集理论中划分等价类。而聚集函数COUNT（*）可统计每组所包含的记录个数，即为粗糙集理论中等价类所包含的对象数目。基于SQL的属性约简算法已有部分学者进行了研究。冯林和李天瑞[1]提出了用SQL语句求数据库中相对核属性、属性约简和值核的算法。田迪和刘建平[2]提出了基于SQL语言的条件信息熵属性约简算法。刘井莲[3]给出了一种基于SQL的属性约简算法，该算法是从条件属性集做递减，不需要存储中间结果，具有空间复杂度低的优点，同时易于改造成并行算法，能求出所有约简。但该算法缺乏对噪音数据的适应能力，不适应高速公路管理系统中海量数据的数据分析。下面将在讨论这种算法的基础上，提出一种由用户自定义精确度的基于SQL的属性约简算法。 　　1 理论基础 　　定义1：一个信息表的知识表达系统可以表示为四元组S=，其中，U是对象的有限集合，也称为论域；R=C∪D为属性的有限集合，C为条件属性的子集，D为决策属性的子集；是属性值的集合，Vr为属性r的值域；f：U×R→V为一个信息函数，U的任一元素取属性r在V中有唯一确定值。 　　如果U为一个论域，P为U上的一个属性集合，r∈P，且ind（P-r）=ind（P），则称属性r在P中是不必要的；否则，称r在P中是必要的。去掉不必要的属性不会改变属性集合的分类能力；反之，若去掉一个必要的属性，则一定会改变属性集合的分类能力。 　　定义2：设U为一个论域，P、Q为U上的两个属性集合，且Q为P的子集，若ind（Q）=ind（P）且Q中没有不必要的属性；则称Q是P的一个约简。如果Q是P的约简，则U中通过P可区分的对象，同样可以用Q来区分。通常P的简化不止一个，P的所有简化族记为RED（P）。 　　2 属性约简算法 　　算法1：判断ai是否为符合用户自定义精确度的不必要属性算法 　　输入：信息系统S=（U，A）， accurate，ai。其中，accurate为用户输入的精确度，ai为需要判断的属性。 　　输出：1（表示该属性为不必要属性）或者0（表示该属性为必要属性） 　　Step 1：统计S中根据A-{ai}分组后，每组包含的记录个数，生成新表temp。方法如下： 　　SELECT COUNT（ DISTINCT ai） AS NUM 　　into temp 　　FROM S 　　GROUP BY A-{ai} 　　Step 2：统计表temp中数值为1的记录个数占记录总数的比例Confidence。方法如下： 　　DECLARE @Confidence decimal（3，2），@ConCount int，@TotalCount int 　　SELECT @TotalCount=COUNT（*） 　　FROM temp 　　SELECT @ConCount=COUNT（*） 　　FROM temp 　　WHERE NUM=1 　　SELECT @ConCount 　　SET @Confidence=cast（@ConCount as decimal（3，2））/@TotalCount 　　SELECT @Confidence 　　Step 3：若Confidenceaccurate，输出1，否则，输出0。 　　由算法1可判断出ai是否为符合用户自定义精确度的不必要属性。如果ai为不必要属性，则继续从A-{ai}中寻找不必要属性，最终得到约简属性集。 　　算法2 基于SQL的用户自定义精确度的属性约简算法 　　输入：信息系统S=（U，A）， accurate。其中，A=a1，a2，…，an为属性集，accurate为用户输入的精确度。 　　输出：A所有的属性约简。 　　Step 1：设初始约简的集合为red=？?J，flag=0； 　　Step 2：如果in，转Step 5； 　　Step 3：i=i+1，转到Step 2； 　　Step 4：A=A-{ai}，n=n-1，转Step 2； 　　S