一種啟發(fā)式屬性約簡算法的研究與應用.pdf

1、隨著現(xiàn)代信息技術和計算機網(wǎng)絡技術的不斷壯大，人們可以非常容易地通過各種途徑獲得數(shù)據(jù)，大量的數(shù)據(jù)已經(jīng)充斥在我們的工作以及生活之中。面對如此紛繁的數(shù)據(jù)，如果我們仍然采用傳統(tǒng)的人工方式來進行處理會顯得不切實際。如何能夠快速而又準確地從這些海量的數(shù)據(jù)中提取出有價值的知識來幫助我們進行決策和管理成了大家關注的問題。于是我們很容易就會想到處理這些數(shù)據(jù)可以借助運算速度最快的計算機來實現(xiàn)。因此需要研究者對機器學習特別是數(shù)據(jù)庫知識發(fā)現(xiàn)做更加深入和廣泛的研

2、究，而數(shù)據(jù)庫中往往存在冗余數(shù)據(jù)、缺失數(shù)據(jù)、不確定的數(shù)據(jù)甚至不一致的數(shù)據(jù)等諸多情況，這些數(shù)據(jù)成了知識發(fā)現(xiàn)過程中的一大障礙。 波蘭數(shù)學家Z．Pawlak(在1982年提出粗糙集理論，粗糙集理論能夠處理模糊和不確定性數(shù)據(jù)，并且它具有的模型簡單直觀，無需數(shù)據(jù)先驗信息。根據(jù)粗糙集理論提取出的規(guī)則易于理解，自此理論提出之后已被成功地運用于商業(yè)等領域。本文針對粗糙集理論在知識發(fā)現(xiàn)過程中幾個關鍵問題：數(shù)據(jù)預處理、約簡、規(guī)則提取等進行了深入的研究

3、。重點對粗糙集理論在知識發(fā)現(xiàn)過程中約簡算法進行了分析和總結，到目前為止還沒有一個公認的、高效的約簡算法。在此基礎上，作者提出了基于差別矩陣和啟發(fā)式約簡的改進算法，以減少時間復雜度，提高算法效率并獲取最優(yōu)約簡。 本文首先對粗糙集理論的發(fā)展、國內外研究現(xiàn)狀及研究意義、粗糙集理論基礎進行了研究，并對知識發(fā)現(xiàn)過程中各環(huán)節(jié)運用粗糙集理論的方法進行了分析；其次論文分析了數(shù)據(jù)預處理階段常用的幾種屬性離散化方法，重點對連續(xù)屬性離散化的NS離散算

4、法進行了研究。再次對決策表的約簡問題進行了分析，重點討論了屬性的約簡和屬性值的約簡問題。在屬性約簡方面，對目前常見的粗糙集屬性約簡算法進行研究總結，指出了存在的問題，并在此基礎上，針對差別矩陣以及啟發(fā)式約簡算法提出了改進算法，減少算法在計算時所需的時間和空間復雜度，求取最小約簡。在屬性值約簡方面，提出了基于啟發(fā)式值約簡算法的改進算法，實現(xiàn)了有效地獲取規(guī)則。最后通過UCI數(shù)據(jù)庫的實驗對比分析，驗證了改進算法具有更高的效率，并能夠得到較優(yōu)的