基于粗糙集的数据约简技术及应用研究-计算机应用技术专业论文.docxVIP

声户 明明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本 学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或 公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使 用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文 中作了明确的说明。 研究生签名： 歪3觚． 岫6年伯门B 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或 上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并 授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密 论文，按保密的有关规定和程序处理。 研究生签名： 团题 必。石年厂月抽  硕士论文 基于辊糙集的数据约倩技术及应用研究 第一章绪论 1．1概述 当今社会已经进入了网络信息时代，计算机与网络信息技术的飞速发展使得各个 领域的数据和信息急剧增加，并且由于人类的参与使数据与信息系统中的不确定性更 加显著“1．如何在大量杂乱无章的强干扰数据中挖掘潜在的、有利用价值的信息，给 人类的智能信息处理能力提出了前所未有的挑战。由此产生了人工智能研究的一个新 领域——数据挖掘和数据库知识发现，而粗糙集理论对于处理复杂系统在该领域中不 失为一种较为有效的方法闻． 粗糙集理论(Rough set)是波兰数学家Z．Pawlak教授在1982年提出的。该理 论是一种处理不确定性、不精确和模糊知识的数学工具跚，它在对不完整数据进行分 析、推理，发现数据间的关系，提取有用特征，简化信息，研究不精确、不确定知识 的表达、学习、归纳方面具有独特的优势。近年来引起了学术界的关注，并已成功地 应用于机器学习、决策分析、模式识别等领域中． 在各种应用过程中，如何高效的处理各种应用数据一直是要解决的重要问题。用 粗糙集理论对数据进行处理，与其他的方法相比，概括地讲主要具有以下特点“。～： (1)不需要先验知识。模糊集和概率统计方法是处理不确定信息的常用方法，但 这些方法需要一些并不容易得到的附加信息或先验信息，如模糊隶属函数和概率分布 等。粗糙集数据分析方法仅仅利用数据本身提供的信息，无须任何先验知识。 (2)粗糙集是一个强大的数据分析工具．例如：表达和处理不完备信息；在保留 关键信息的前提下对数据进行约简，并求得知识的最小表达式；识别并评估数据之间 的依赖关系。 (3)运用租糙集方法从训练数据中获取的规则易于被人们理解和证实。 (4)刻画了不完备信息的两个方面：模糊性和不确定性．模糊集基于元素对集合 隶属程度的不同，强调集合本身的模糊性；粗糙集以不可区分关系为基础，用一对上 下近似集来描述，并且侧重于分类。粗糙集不能清晰定义，是因为论域中缺乏足够的 钿识。粗糙集和模糊集之间有着密切的关系，具有很强的互补性。 (5)粗糙集方法可以较大程度地降低计算时间复杂度。 (6)粗糙集理论基于可靠的数学推导，可以与其它计算方法联合使用。例如，粗 睦集理论与神经网络、遗传算法、贝时斯等方法结合。粗糙集理论与其它软计算方法 }勺集成也是当前粗糙集发展的一种趋势。  硕士论文 摹于耦粘集的数据约简技术及应用研究 1．2粗糙集的发展概况 1．2．1粗糙集理论提出的背景 以往讨论的经典逻辑中只有真和假两个值，但事实上有很多模糊的对象存在于这 两个值之间嘲。由此，很多学者致力于含糊概念的研究。早在20世纪初，谓词逻辑 的创始人G．Frege就提出了。含糊”一词，并把它归结到边界线，这里的边界线主要 是指在整个论域中存在一些个体既不属于某个子集的分类，也不属于该子集的补集的 分类。1965年，美国计算机与控制论专家L．A．Zadeh提出了模糊集理论脚，当时不少 理论计算机科学家和逻辑学家，曾努力通过这一理论来解决G．Frege提出的含糊概 念，但是模糊集需要先验知识并且到目前为止还没有很完备的数学理论。 1982年Pawlak教授提出了粗糙集，该理论能够把那些无法确认的个体都归于边 界域，并且这种边界域定义为上近似集合与下近似集合的差集瑚．而上近似和下近似 都可以通过等价关系给出确定的描述，所以边界域元素的个数可以被计算出来，从而 解决了存在于真和假两个值之间的含糊程度的计算，从而实现了边界域的思想。 1．2．2粗糙集的发展历程 粗糙集理论为处理具有模糊、不精确或不完全信息的分类问题提供了一种新的工 具。起初，由于这个理论建立在商集基础之上，较为复杂的数学使得这个理论未能引 起人工智能研究者的注意，研究地域也仅局限于波兰等东欧一些国家，当时许多波兰 学者对粗糙集理论及其应用进行了坚持不懈的研究，其中对粗糙集理论的数学性质与 逻辑系统进行了广泛的分析。当时大多数研究成果发表在’Bulletin of The Polish Academic of Sciences州”上