基于粗糙集理論的數(shù)據(jù)約簡研究與應用.pdf

1、粗糙集理論作為一種處理模糊和不確定性知識的數(shù)學工具,在數(shù)據(jù)約簡方面有著廣泛的應用與研究,針對傳統(tǒng)的粗糙集理論不支持對不完備決策表的約簡這個問題,擴展的粗糙集理論相繼被提出,在傳統(tǒng)粗糙集的等價關系基礎上發(fā)展出了相似、容差關系、限制容差關系等,當前基于粗糙集理論的約簡算法,例如可辨識矩陣以及屬性重要度等,都是基于數(shù)據(jù)的約簡卻忽略的數(shù)據(jù)之間的關系,同時在對大規(guī)模復雜數(shù)據(jù)集進行約簡時,由于理論上得到最小約簡是一個NP難度問題,使得約簡的效率急劇

2、下降,從而導致約簡算法的不適用和不可操作性。
　　 在分析了現(xiàn)有粗糙集理論約簡算法的基礎上,本文針對當前粗糙集約簡主要面臨的一些問題,提出了一種聚類反饋約簡算法模型。對傳統(tǒng)約簡算法中忽略數(shù)據(jù)關系而進行約簡的問題提出了一種數(shù)據(jù)關系聚類算法,通過對關聯(lián)點的提取來描述數(shù)據(jù)之間的關系,通過與云模型理論結合,將模糊粗糙性與隨機性進行互補,利用云模型來進行數(shù)據(jù)集的劃分,結合粒計算的思想將整個算法模型設計成一個可并行運行的算法,同時通過建立虛

3、擬節(jié)點構建聚類粒度樹,以鄰近傳播為策略,以反饋修正為導向,使得算法是一個滿足增量式的約簡的要求。在構建虛擬節(jié)點時,通過隸屬度分類規(guī)則的調整,以提高整體的約簡效率。并在數(shù)據(jù)點、關聯(lián)點的提取時引入了數(shù)據(jù)集成映射的概念,以解決不同平臺數(shù)據(jù)規(guī)格的不統(tǒng)一問題。
　　 本文基于數(shù)據(jù)關系的聚類反饋約簡算法模型在總結前人研究的基礎上借鑒了多種算法模型的特點,同時運用分層的思想,對約簡過程進行了一定的改進。經(jīng)過模擬實驗,證明該算法模型是可行的、有