基于粗糙集的属性约简和决策规则约简算法-应用数学专业论文.docxVIP

I I 目录 摘要 I AbstractII 第一章 绪论 1 1.1 粗糙集理论介绍及发展现状 1 1.1.1 粗糙集理论的简单介绍 1 1.1.2 粗糙集理论研究的对象 2 1.1.3 粗糙集理论的研究现状 2 1.2 本文主要研究内容 5 第二章 粗糙集理论的基本概念 7 2.1 粗糙集的基本概念 7 2.1.1 知识与知识库 7 2.1.2 知识的依赖性 8 2.1.3 上近似与下近似 9 2.1.4 信息系统与决策表11 2.2 知识约简 14 2.2.1 知识约简的相关概念 14 2.2.2 决策规则的相容性 16 2.3 本章小结 17 第三章 粗糙集中的属性约简算法研究 18 3.1 基于粗糙集的属性约简算法 18 3.1.1 属性约简的数据分析算法 18 3.1.2 属性约简的可辨识矩阵和逻辑运算算法 21 3.1.3 属性约简的启发式约简算法 24 3.2 一种改进的属性约简算法 25 3.2.1 AR1 算法的分析 26 3.2.2 改进的 AR1 算法 27 3.2.3 实例分析 28 3.3 结论 31 第四章 决策规则约简算法 32 4.1 决策规则 32 4.1.1 决策逻辑的语义 32 4.1.2 决策规则和决策算法 33 4.1.3 决策规则的约简 34 4.2 基于相对差异比较表的决策规则约简算法 38 4.2.1 基于相对差异比较表的决策规则约简算法基本思想 38 4.2.2 算法举例 39 4.3 气象信息系统的属性约简及决策规则最小化算法 40 4.4 本章小结 42 第五章 总结与展望 44 参考文献 46 致谢 49 攻读硕士学位期间发表的论文 50 PAGE PAGE 13 1.1.3 1.1.3 粗糙集理论的研究现状 粗糙集理论的研究由于其历史较短，所以至今为止，对粗糙集的概念还没有 完全统一。一种是原始的 Pawlak 意义下的[4]，也有由上、下近似构成的一对集 合来命名的[1,2]，还有以下近似和上近似构成的区间集(集合类)来定义的[3]定义观 第一章 绪论 1.1 粗糙集理论介绍及发展现状 1.1.1 粗糙集理论的简单介绍 当今社会己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量急剧增加，世界正处于一个“信息爆炸”的时代。同时 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，形成了不确定性复杂 大系统[1]。这些数据是一种宝贵的资源，但我们从中发掘所需信息的能力却非常 有限。如何从大量的、杂乱无章的、强干扰的海量数据中挖掘潜在的、有利用价 值的信息和知识，对人类的信息、处理能力提出了前所未有的挑战。因此当前迫 切需要更好的智能化的方法和工具来处理和挖掘这些日益庞大的数据库。由此产 生了一个新领域数据库知识发现(Knowledge Discovery in Database,KDD)和数据 开采(Data Mining, DM). 在 KDD 和 DM 诸多方法中，粗糙集理论与方法是一种较为有效的方法。该 理论是波兰数学家 Z. Pawlak 于 1982 年提出的一种处理不确定性、不精确和模糊 知识的数学工具[4]，它在保持分类能力不变的前提下，通过知识约简，导出问题 的决策或分类规则，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。由于粗糙集理论最初的研究主要集中在波兰，因此当时并没有引起国际计 算机界和数学界的重视，研究地域仅局限于东欧的一些国家。直到 1990 年前后， 由于该理论在数据的决策与分析、模式识别、数据挖掘、机器学习与知识发现等 方面的成功应用，才逐渐引起了世界各国学者的广泛关注。1992 年，第一届关 于粗糙集理论的国际学术会议在波兰召开。1995 年，ACM Communication 将其 列为新浮现的计算机科学的研究课题。1998 年，国际信息科学杂志为粗糙集理 论的研究出了一期专辑。目前粗糙集理论已成为信息科学最为活跃的研究领域之 一[1, 2]。近几年，这个理论已被广泛的应用于人工智能、机器学习、知识发现、 数据挖掘、决策支持与分析、模式识别、专家系统与智能控制、故障检测等研究 安徽大学硕士学位论文基于粗糙集的属性约简和决策规则约简算法 安徽大学硕士学位论文 基于粗糙集的属性约简和决策规则约简算法 第一章绪论 第一章 绪论 分支[24,25]，而在医学、生物学、化学、材料学、管理学和金融学等其它学科也得 到了成功应用[31`36]。 在信息系统中，知识库的知识一般有两类：一类库中所有对象的描述是完全 已知的，Pawlak 粗糙集模型和一般二元