基于粒計算的數(shù)據(jù)流分類及F-粗糙集擴展的研究.pdf

1、數(shù)據(jù)流是大數(shù)據(jù)的主要形式。概念漂移的探測以及數(shù)據(jù)流的分類是當前數(shù)據(jù)流挖掘的主要研究方向。雖然有不少概念漂移的探測方法，但是他們都有一些共同的缺陷:沒有從整體上刪除冗余屬性以及利用外部特性去探測概念漂移（比如利用對外部數(shù)據(jù)的分類準確率）等。
　　粗糙集可以有效地處理不精確、不完整等各種不完備的信息與知識，它不需要其他任何先驗知識，可以通過直接對數(shù)據(jù)進行分析和推理，發(fā)現(xiàn)其中所隱含的知識與潛在的規(guī)律，從而進行分類或決策。傳統(tǒng)的粗糙集理論

2、不能很好的研究海量的、動態(tài)變化的數(shù)據(jù)，也不太適合研究數(shù)據(jù)流，并且不能處模糊概念或知識。模糊粗糙集雖然將粗糙集中等價關(guān)系替換成模糊等價關(guān)系，并將處理的數(shù)據(jù)類型從離散擴展到連續(xù)，克服了粗糙集約簡需要離散化的缺陷，但是它及所有其他的粗糙集模型本身是靜態(tài)的模型，不太適合處理數(shù)據(jù)流。F-粗糙集和并行約簡算法，是經(jīng)典粗糙集知識約簡理論的一種有效拓展，它是將經(jīng)典粗糙集從單表拓展到多表，無論是研究事物的動態(tài)變化與發(fā)展，還是在從整體和局部角度分析解決問題

3、都具有非常強的理論和實際意義。但F-粗糙集是經(jīng)典粗糙集意義上的擴展，在處理模糊數(shù)據(jù)流上顯得的有些局限。
　　本文首先運用粗糙集和F-粗糙集的基本原理和基本方法，把數(shù)據(jù)流中的決策子表簇當成滑動窗口，提出了一種對數(shù)據(jù)流進行并行約簡、整體刪除冗余屬性的方法，并運用并行約簡后數(shù)據(jù)流決策子表簇中屬性重要性的變化探測概念漂移現(xiàn)象;其次，利用F-粗糙集對模糊粗糙集進行擴展，提出F-模糊粗糙集及其約簡模型，該模型為模糊知識系統(tǒng)中知識并行約簡提供了