基于粗糙集的不完備信息系統(tǒng)的處理方法研究.pdf

1、在實(shí)際的數(shù)據(jù)挖掘問(wèn)題中，由于種種因素的影響，待處理的數(shù)據(jù)常有某種程度的不完備，這些遺失的數(shù)據(jù)往往會(huì)影響隨后的數(shù)據(jù)分析。在這種情況下，如何從不完備信息系統(tǒng)中獲取知識(shí)，已經(jīng)成為當(dāng)前一個(gè)重要的研究課題。粗糙集理論是一種處理不完全、不精確和不確定信息的有效手段，它的特點(diǎn)是無(wú)需提供任何先驗(yàn)知識(shí)，而是從給定問(wèn)題的描述集合直接出發(fā)，找出問(wèn)題的本質(zhì)特征和內(nèi)在規(guī)律。因此，本文以粗糙集理論為對(duì)象，以不完備信息系統(tǒng)為背景，研究基于粗糙集的不完備信息處理方法。

2、主要包括以下兩個(gè)方面：
　　 一、介紹了目前不完備信息系統(tǒng)中填補(bǔ)缺失數(shù)據(jù)的主要方法，分析了各自的優(yōu)缺點(diǎn)，尤其是其中填補(bǔ)效果較好的ROUSTIDA算法。在此基礎(chǔ)上，提出了一種基于屬性重要度的不完備數(shù)據(jù)填補(bǔ)算法(IDFAAI算法)。該算法獨(dú)特性的考慮了屬性重要度對(duì)于填補(bǔ)不完備信息系統(tǒng)缺失值的影響。通過(guò)實(shí)驗(yàn)證明，與ROUSTIDA算法相比，本文算法具有更高的補(bǔ)齊率和準(zhǔn)確率。
　　 二、在基于容差關(guān)系的擴(kuò)充粗糙集模型下，介紹了不