大數(shù)據(jù)下動(dòng)態(tài)信息系統(tǒng)約簡理論及應(yīng)用.pdf

1、大數(shù)據(jù)中的信息系統(tǒng)是近幾年信息領(lǐng)域研究的主要對(duì)象之一，因其數(shù)據(jù)量巨大的特點(diǎn)使得傳統(tǒng)方法難以快速，實(shí)時(shí)的響應(yīng)用戶的計(jì)算要求.同時(shí)，在信息系統(tǒng)中進(jìn)行知識(shí)發(fā)現(xiàn)，規(guī)則提取是實(shí)現(xiàn)人工智能，數(shù)據(jù)挖掘，決策預(yù)測的重要步驟.粗糙集和模糊集作為解決不確定性問題的兩大理論工具已在其中取得了一定的成果，然而現(xiàn)實(shí)生活中多樣化的數(shù)據(jù)類型，復(fù)雜的關(guān)系結(jié)構(gòu)，頻繁快速的信息更新都迫使這些理論必須進(jìn)一步擴(kuò)展才能滿足要求.覆蓋粗糙集作為Pawlak粗糙集的擴(kuò)展之一，當(dāng)信息

2、系統(tǒng)中有缺失值時(shí)仍能保持系統(tǒng)中知識(shí)的完整性，從而在現(xiàn)實(shí)應(yīng)用中廣泛被使用，但面對(duì)大數(shù)據(jù)時(shí)如何快速計(jì)算上、下近似和約簡仍然是棘手的問題.信息系統(tǒng)的同態(tài)在保持了兩個(gè)信息系統(tǒng)之間等價(jià)特性的同時(shí)，可獲得一個(gè)相對(duì)原系統(tǒng)較小的鏡像系統(tǒng)，這為解決大數(shù)據(jù)下信息系統(tǒng)中的計(jì)算問題提供了一個(gè)新思路.
　　本文以覆蓋粗糙集和信息系統(tǒng)同態(tài)為理論依據(jù)，結(jié)合信息系統(tǒng)動(dòng)態(tài)變化的特性為背景，使用增量算法為工具，針對(duì)大數(shù)據(jù)下信息系統(tǒng)中的知識(shí)發(fā)現(xiàn)和約簡問題展開了研究，并

3、取得了以下成果:
　　(1)系統(tǒng)的分析了覆蓋粗糙集中多個(gè)上、下近似算子，總結(jié)了基于集合理論的各算子之間的關(guān)系，給出了基于特征矩陣的兩類上、下近似算子的定義及運(yùn)算規(guī)則.分別給出了基于集合理論和特征矩陣計(jì)算第二型、第六型上、下近似的非增量算法.系統(tǒng)分析了覆蓋信息系統(tǒng)的動(dòng)態(tài)變化特性，給出了幾種基本的動(dòng)態(tài)覆蓋近似空間.
　　(2)研究了動(dòng)態(tài)覆蓋近似空間中屬性值變化時(shí)的動(dòng)態(tài)特性，分析了特征矩陣相應(yīng)的變化情況，給出了快速計(jì)算上、下近似的

4、方法并設(shè)計(jì)了相應(yīng)的增量算法.通過程序隨機(jī)生成的覆蓋近似空間對(duì)算法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果證明了增量算法相對(duì)非增量算法有較好的效率.給出了一個(gè)實(shí)例說明了快速計(jì)算上、下近似給約簡帶來的便利.
　　(3)研究了對(duì)象增加，減少時(shí)對(duì)覆蓋近似空間的影響，給出了特征矩陣的變化情況及快速計(jì)算上、下近似的方法.為更好的與其他近似算子對(duì)比，進(jìn)一步給出了基于集合理論和基于特征矩陣第二型、第六型上、下近似的增量算法.采用UCI和隨機(jī)數(shù)據(jù)集兩種方式，設(shè)計(jì)了數(shù)值

5、實(shí)驗(yàn)進(jìn)行了對(duì)比分析，不僅給出了基于特征矩陣的非增量算法優(yōu)于基于集合理論的非增量算法的實(shí)驗(yàn)結(jié)果，還進(jìn)一步證明了基于特征矩陣的增量算法是相對(duì)于其他算法來說是最優(yōu)的.
　　(4)基于信息系統(tǒng)同態(tài)，在模糊關(guān)系信息系統(tǒng)中進(jìn)一步研究了相容函數(shù)的性質(zhì)，給出了最大相容函數(shù)的定義與其他相容函數(shù)之間的關(guān)系，并設(shè)計(jì)了構(gòu)建同態(tài)的非增量算法.分析了信息系統(tǒng)動(dòng)態(tài)變化時(shí)當(dāng)增加或刪除模糊關(guān)系后同態(tài)的變化特性，給出了利用原同態(tài)快速構(gòu)建新同態(tài)的方法，并設(shè)計(jì)了相應(yīng)的增