基于粗糙集理论的属性约简算法研究-计算机软件与理论专业论文.docxVIP

I I PAGE PAGE IV 摘要 摘要 粗糙集理论是由波兰数学家 Z．Pawlak 在 1982 年提出的，它能有效地分析 和处理不精确、不一致、不完整等各种不完备信息，并从中发现隐含的知识，揭 示潜在的规律。它己被广泛应用到人工智能、模式识别和数据挖掘等方面。 属性约简是粗集理论中的一个重要研究课题。它能够在保证分类和决策能力 不变的前提下约简数据库中的冗余属性，简化知识表示。本文围绕目前求解知识 约简算法计算中存在的复杂度高,数据量增大时算法计算性能不令人满意的问题, 深入系统地研究了基于粗糙集理论的属性约简问题。 主要工作和取得的成果如下： (1) 对经典粗糙集理论进行了深入研究。详细阐述了粗糙集理论中的启发式 的属性约简算法，并对各种常见的属性约简算法进行了分析。 (2) 提出了一种基于属性重要性的属性约简改进算法。该算法将属性频率作 为衡量属性重要性的评价因子,特别是针对条件属性频率相同时，深入讨论了如 何对条件属性重要性评价的问题。实例结果分析表明，该算法具有较好的有效性 和可行性，取得了更优的结果。 (3) 针对基于传统遗传算法的属性约简算法中存在的可优化空间的问题。本 文提出了一种基于属性依赖度的遗传约简改进算法。该算法与基于传统遗传算法 的属性约简算法相比有：一是在适应度函数中引入了决策属性对条件属性的依赖 度，使算法在加强局部搜索能力的同时保持了该算法全局寻优的特性，也保证了 所求约简既含较少的属性又保证分类质量，能够获得最佳的搜索效果。二是在求 解属性重要性时，只需求出决策系统中各个子集的不可分辨关系等价类划分，从 而降低了算法时间复杂度。实验结果表明，该算法是一种求解知识约简问题的快 速有效方法。 关键词：粗糙集理论；属性约简；区分矩阵；属性依赖度；遗传算法 基于粗糙集理论的属性约简算法研究 基于粗糙集理论的属性约简算法研究 A Abstract Abstract Rough set theory is provided by Z.Pawlak in 1982, which can effectively analyze and deal with the inaccurate,inconsistent, incomplete information,and find out the implied knowledge,discover the latent rules.It has already been extensively applied to the artificial intelligence,pattern recognition,data mining and so on. Attribute reduction is a significant research topic of rough set theory.It can reduce the redundant attributes and simplify the knowledge representation on the premise that the ability of classification and decision-making is not changed.It is able to reduce the redundant attributes from the databases, and to simplify the knowledge presentations.In this thesis,the attribute reduction issue based on rough set theory is HYPERLINK /dict_result.aspx?searchword=%e6%b7%b1%e5%85%a5%e7%b3%bb%e7%bb%9f%e7%9a%84amp;tjType=sentenceamp;styleamp;t=deeply%2Band%2Bsystematically deeply and systematically studied by aiming at the problem of knowledge reduction algorithm’s high computation complexity and unsatisfactory effectiveness when the data amount increases.The main jobs and achieved results are as follows: The thesis researches the concept of classical rough set