基于粗糙集的属性约简算法分析-管理科学与工程专业论文.docxVIP

关于学位论文独创声明和学术诚信承诺 本人向河南大学提出硕士学位申请。本人郑重声明：所呈交的学位论文是本人在导 师的指导下独立完成的，对所研究的课题有新的见解。据我所知，除文中特别加以说明、 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，也不包括其 他人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对 本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 在此本人郑重承诺：所呈交的学位论文不存在舞弊作伪行为，文责自负。 学位申请人（学位论文作者）签名： 201 年 月 日 关于学位论文著作权使用授权书 本人经河南大学审核批准授予硕士学位。作为学位论文的作者，本人完全了解并同 意河南大学有关保留、使用学位论文的要求，即河南大学有权向国家图书馆、科研信息 机构、数据收集机构和本校图书馆等提供学位论文（纸质文本和电子文本）以供公众检 索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可 以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文（纸质文本和电子文本）。 （涉及保密内容的学位论文在解密后适用本授权书） 学位获得者（学位论文作者）签名： 201 年 月 日 学位论文指导教师签名： 201 年 月 日 1 1 绪论 基于粗糙集的属性约简算法研究 基于粗糙集的属性约简算法研究 PAGE PAGE 1 PAGE PAGE 2 1 绪论 1.1 课题背景及意义 随着信息技术的不断发展和普及，人类积累的数据量的其速度增长方式是指数级 的，包括数据库中留存下来大量的记录和数据，并且还有网络上各种丰富的信息资源。 不过与这些大量的数据相比，人们分析数据的能力和从数据中获取知识的能力都存在着 相当大的差距，造成了所谓的“数据积聚”而又“信息匮乏”的尴尬局面。因此，如何 有效、合理、科学、正确地处理这些数据，从而得到对人们有用的信息和知识，这一必 须解决的挑战性任务目前己经摆放在工业界和学术界面前。于是知识发现(Knowledge Discovery)技术应运而生[1-3]。在对知识挖掘的过程中，人们将面临大量问题，包括有效 处理数据信息的不确定性问题。与此同时处理不确定信息有很多有效而科学的方法，如 证据理论，模糊理论，概率统计等。 知识挖掘是一个新兴的跨学科的研究领域，融合了人工智能和数据库技术。利用知 识挖掘从数据库中抽取出来的知识，对信息管理和决策支持等都有很大的帮助。目前， 越来越多的行业和领域利用知识挖掘的方法，并取得了较突出的成果，为人们做出正确 决策提供了很大帮助[4]。数据分类作为知识挖掘的重要分支，在商务决策中扮演的角色 变得日益重要，如企业针对自身风险评估、客户分类预测、投资分析和管理等，这些问 题都可以转化为分类问题并得到有效地解决。 在数据挖掘中数据预的处理过程是相当重要的环节[5]。实际系统中，大部分数据具 有不完全、冗余和模糊的特性，只有很少一部分数据能直接满足数据挖掘算法的要求， 此外，海量数据中包含的成分有很多是无意义的，这些数据对挖掘算法的执行效率会产 生严重影响，例如大部分无效的噪声数据会干扰归纳结果，因此要有效地挖掘出知识， 数据集应该是准确而简洁的。 粗糙集的研究是针对数据的对象而言的。用一个多属性集合来描述一个对象集合， 其中每个对象对应的属性都用一个值来描述，也就是说表达决策问题是由对象、属性和 描述符这三个基本要素构成；把这种表达形式看成一个二维表格，表格的每一行描述一 个对象，每一列对应所有对象的单个属性；各行包含了表达对象信息的描述符，还包含 各个对象属于哪一个类别的信息[6]。一般来说，这些描述对象的信息，通常并不足以划 分其成员类别，也就是说，对象的不可分辨性通常是由这种不精确性造成的。事先在对 象间给定一个等价关系，而这种等价关系导致了近似空间的不分明关系的构成，就可以 用这些不分明对象类形成的上近似和下近似来描述粗糙集。其中下近似对应了确定属于 给定类的最大的对象集合，而上近似对应了属于给定类的最小的对象集合。下近似与上 近似之间的集合差是一个边界集合，这个集合里所包含的对象都不能确切判断是否是给 定类的对象。 粗糙集理论从以下三个方面来叙述其特点： 1.不需要先验知识来判定是否属于给定类。一些处理不确定信息的常用方法包括模 糊集和概率统计方法，通常这些方法需要事先给出一些附加信息，但是有时候并不容易 得到这些信息。粗糙集分析方法则无须任何先验知识，仅利用数据本身提供的信息。 2.一个强大的数据分析工具。它可以用来处理不完备信息；对数据进行化简的同时 保留其中的关键信息，以此来求得知识的最小表达式；也可以对数据之间的依赖关系进 行识别与评估，揭示出概念比较简单的模式；对于可方便证