粗系统的挖掘与度量-应用数学专业论文.docxVIP

硕 士 学 位 论 文 论文题目： 粗系统的挖掘与度量 作者姓名 谢云龙 指导教师 夏佳荣 学科专业 应用数学 所在学院 理学院 提交日期 2009 年 6 月 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作 及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包括其他人已经发表或撰写过的研究成果。对本研究做 过贡献的老师和同学均己在论文中作了明确的说明并表示了谢意。 日期：2009 年 6 月 3 日 关于论文使用授权说明 本人完全了解杭州师范大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件，允许论文被查阅和借阅;学校可以 公布论文的全部或部分内容，可以采用影印、缩印或其他手段保存论 文。 日期：2009 年 6 月 3 日 摘 要 自二十世纪七十年代大规模集成电路、超大规模集成电路诞生以来, 计算机已经成为现 代工业、商业、农业等各个领域必不可少的一个工具, 但随之而来的是数据的迅速膨胀, 使 得人类在一个极短的时间里进入了数据爆炸的时代. 这些数据具有巨大性、随机性、不确定 性等特征, 并且数据的生成过程又往往存在着动态特征. 实际上, 在这些大型的、复杂的、 信息丰富的数据中, 只有一小部分是人们真正需要的, 如何从其中提取出人们所需要的信 息, 已经成为目前一个重要的课题. 粗集理论是波兰数学家 Z.Pawlak 在 1982 年首次提出的, 这是一种处理不完整、不精确问题的新型数学工具, 它通过等价关系和近似概念对数据进行 约简以获取知识. 粗集知识系统是一个基于规则的系统, 它不需要精确的数学描述, 而是 对经验的总结, 因此非常适合数据处理过程中直观、简单、易于理解、人性化、智能化的要 求, 为数据挖掘技术提供了理论基础和研究思路. 传统的数据挖掘方法是建立在数据不会发生变化的假设下进行讨论的, 可以说是一种 静态的数据挖掘方法, 实际上数据不可能是一成不变的, 当数据发生变化时, 静态的数据 挖掘方法便失去了效用, 因此传统的数据挖掘方法具有局限性. 奇异粗集(Singular Rough Sets, 简称 S-粗集)是 Z.Pawlak 粗集的一种改进形式. 它是山东大学史开泉教授于 2002 年 提出的, 是基于元素迁移的概念建立起来的一种动态粗集. S-粗集具有三种形式: 单向 S- 粗集(One direction S-rough sets), 单向 S-粗集对偶(Dual of one direction S-rough sets), 双向 S-粗集(Two direction S-rough sets). S-粗集的动态特征、遗传特征、粒度 特征等特性, S-粗集的提出为我们研究动态数据挖掘开辟了一个全新的方向并提供了必要 的理论保证. 本文的主要工作如下: 1. 主要介绍了数据挖掘的发展研究现状以及数据挖掘的分类; 阐述了粗集理论提出 的背景、发展状况、研究的内容和方向; 介绍了 S-粗集提出的背景及研究现状; 并将 S-粗 集的理论进行了简单的介绍. 2. 利用 S-粗集的动态特征、遗传特征、粒度特征等特性, 给出了单向 S-粗集与数据 筛选-过滤的研究, 本文给出属性内涵, 属性效率的概念, 提出数据挖掘的属性效率定理; 单向 S-粗集是动态数据挖掘研究的一个新工具. 3. 利用函数单向 S-粗集和函数单向 S-粗集对偶, 给出 f - 规律知识, f - 规律知识, f - 规律和 f - 规律的概念, 利用这些概念, 给出规律知识生成的规律之间的关系和积分度量, 以及规律属性的积分控制定理. 关键词 S-粗集; 数据挖掘; 数据筛选-过滤; 积分度量; 积分控制 ABSTRACT Since LSI (Large-scale integration) and SLSI (super-large-scale integration) have been produced from 1970s, computers have been an indispensable implement in modern industries, business and agriculture. However, with data expanding rapidly at the same time, the mankind enters a data explosive period very soon. These data have the characteristic of hugeness, random and uncertainty, whose generating process has dyna