基于粗糙集的模糊粒度回歸分析.pdf

1、數(shù)據(jù)挖掘和知識發(fā)現(xiàn)是人工智能最重要的研究方向，而復(fù)雜環(huán)境下信息的不確定性和不一致性是知識發(fā)現(xiàn)面臨的主要困難。粗糙集理論是在沒有任何先驗知識的情況下對于數(shù)據(jù)集劃分上下近似，進而來研究數(shù)據(jù)蘊含的知識。粗糙集理論目前得到廣大的應(yīng)用。
　　目前針對粗糙集處理決策(分類)問題的屬性約簡算法已經(jīng)比較成熟，其基本的理論依據(jù)是基于屬性重要度概念，來對屬性進行約簡。但是對于具有連續(xù)輸出回歸問題的屬性約簡，研究的比較少。傳統(tǒng)回歸的算法基本上都是根據(jù)已

2、知樣本來構(gòu)建或是模擬回歸函數(shù)，利用建立起來的回歸函數(shù)來對于新的樣本進行回歸預(yù)測，人為地對于回歸方程進行了主觀的設(shè)定，存在不可避免的弊端性。
　　本文的目的有兩個，首先，參照決策(分類)問題中的基于粗糙集理論的屬性約簡來構(gòu)造回歸問題中的屬性約簡。給出回歸問題中的屬性重要度概念，并以此設(shè)計了兩個計算屬性重要的方法得到兩個屬性重要度向量。結(jié)合實際數(shù)據(jù)對屬性重要度方法的檢驗。
　　其次，分析了傳統(tǒng)回歸分析特點和主要步驟，提出基于粗糙