粗糙集属性约简算法研究-计算机应用技术专业论文.docxVIP

摘 摘 要 I I 摘 要 波兰数学家 Z.Pawlak 于 1982 年提出了粗糙集理论，与模糊数学、概率论和 证据理论类似，它也是一种分析不确定性数据的数学工具，它的最大特点和优势 是不需要附加信息或先验知识。粗糙集理论在机器学习、决策分析、过程控制、 模式识别与数据挖掘等方面有着十分广泛的应用，而属性约简是粗糙集理论的一 个研究重点。属性约简要求在保证分类和决策能力不变的前提下删除数据库中的 冗余属性，简化知识表示，生成决策规则，从而为科学化的管理、预测和决策提 供有力的支持。本文深入系统地研究了基于粗糙集理论的属性约简问题。分别对 于相容和不相容决策表，在研究了现有约简算法的基础上，发现算法的局限性、 优点和不足，并针对不足，对算法作了一些改进，并通过证明和实例来说明了改 进后算法的可行性。 首先，对粗糙集基本理论和基本概念进行了系统地学习和研究。在研究粗糙 集理论的基础上发现，因为决策表中的决策规则存在一致和不一致两种情况，导 致决策表的相容性和不相容性。 其次，针对相容性决策表，研究了具有代表性的属性约简算法。包括典型约 简算法、基于区分矩阵的约简算法、基于属性重要度的启发式算法。在研究基于 属性重要度的约简时，主要介绍了依赖度和信息熵这两种常用的属性重要度衡量 方法。在分析比较了区分矩阵和属性重要度这两种约简方法的基础上，将两者的 优点相结合，提出一种基于区分矩阵和属性重要度的改进算法。该算法以属性频 率为重要度的度量依据，在重要度的基础上不断地简化区分矩阵，最后得到相对 约简与核。 再次，针对不相容决策表，对传统的区分矩阵法进行了分析，并用实例说明 基于区分矩阵的属性约简算法对不相容决策表的属性约简，计算出的结果可能是 错误的，同时在前人的基础上总结出错误的原因。尤其针对不相容决策表，提出 了一种基于等价类的约简算法，该算法的主要是思想是将不相容决策表通过等价 类划分转化为相容决策表，然后利用已有的区分矩阵方法对其约简。最后用实例 证明了该算法的可行性。 关键词：粗糙集，属性约简，核属性，区分矩阵 粗糙集属性约简算法研究 粗糙集属性约简算法研究 Abstract Polish mathematician Pawlak.Z proposed Rough Set in 1982. The theory is similar to fuzzy mathematics, probability theory and evidence theory. It is also a Mathematical tool to analyze uncertainty data. The most important feature and advantage of the theory does not require additional information or priori knowledge while analyzing data. Rough Set Theory has a very wide range of applications in machine learning, decision analysis, process control, pattern recognition and data mining, while attribute reduction is one of research focus. Attribute reduction can delete the redundant attributes in the database to simplify the decision table in order to help people making the right and concise decisions. In this article, I studied attribute reduction systematically and extensively. I studied the existing attribute reduction algorithm and discovery the limitations of the algorithm and the weaknesses of the algorithm. And I made some improvements, and, through proofs and examples to illustrates the improved algorithm is feasible. First, I studied and researched systematically the basic