粗糙集合屬性約簡方法研究與實現(xiàn).pdf

1、粗糙集合理論是一種處理不精確、不一致、不完整等問題的數(shù)學工具，無需提供問題所需處理的數(shù)據(jù)集合之外的任何先驗信息，可直接對數(shù)據(jù)進行分析和推理，從中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律。自20世紀80年代末以來，關于粗糙集理論和應用的研究逐漸成為智能信息處理領域的熱點問題，并己經(jīng)在數(shù)據(jù)挖掘、機器學習、模式識別、決策分析等領域取得了成功的應用。 屬性約簡是粗糙集理論中的重要問題，是在保持分類能力不變的前提下，刪除冗余的屬性。尋求快速的約簡算

2、法是粗糙集理論的重要研究內(nèi)容之一，是知識獲取的關鍵步驟。本文針對屬性約簡展開研究，主要包括以下幾個方面內(nèi)容： 1.提出分辨矩陣方法耗時推算原理及算法。分析分辨矩陣法的數(shù)據(jù)處理過程，討論分辨矩陣時空性能上存在的問題，提出分辨矩陣耗時推算方法與算法，預測數(shù)據(jù)挖掘時間和挖掘方法的可行性。 2.提出分辨矩陣構成與析取同步的方法。針對分辨矩陣法時空性能上存在的問題，提出改進分辨矩陣構成和元素析取的新方法，即分辨矩陣構成與析取同步的

3、方法，通過實驗對比，討論這種新方法時空性能的優(yōu)越性。 3.通過不同的多屬性集依賴度的研究，以及這些屬性在提取的決策規(guī)則中貢獻，提出了決策屬性對單條件屬性依賴度的大小不能真實反映該屬性對知識分類貢獻的重要結論。 4.擴展了屬性集概念。針對傳統(tǒng)屬性集和依賴度概念的局限性，定義了新的屬性集和依賴度概念。 5.提出獨立于分辨矩陣法之外的新方法——依賴度法。通過不同的多屬性集依賴度的研究，給出了從屬性集依賴度出發(fā)求解屬性約