基于粗糙集理論的決策信息系統(tǒng)知識獲取研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)/數(shù)據(jù)倉庫的迅速發(fā)展，存儲的數(shù)據(jù)急劇增長，傳統(tǒng)的數(shù)據(jù)分析和查詢方法已經(jīng)不能滿足人們對隱含在數(shù)據(jù)中的知識的渴求。如何快速/準(zhǔn)確地從雜亂無章的海量數(shù)據(jù)中挖掘潛在的有利用價值的信息并用于預(yù)測未來的行為，這導(dǎo)致了數(shù)據(jù)庫知識發(fā)現(xiàn)領(lǐng)域的出現(xiàn)。 與模糊集理論/D-S證據(jù)論等不同，粗糙集理論作為一種處理不確定性信息的新型數(shù)學(xué)工具，能夠分析隱藏在數(shù)據(jù)中的知識而不需要關(guān)于數(shù)據(jù)的任何先驗或附加信息，這使得采用粗糙集理論作為研究知識發(fā)現(xiàn)的

2、工具具有許多優(yōu)點。在粗糙集理論中，知識表達系統(tǒng)是用信息表或決策表來表示的。 屬性約簡是用粗糙集進行知識獲取時的主要過程之一。通過分析現(xiàn)有相容決策表屬性約簡算法，找出了計算低效性的根源。新的約簡算法從論域的角度出發(fā)，采用層次結(jié)構(gòu)，用屬性邊界域作為度量屬性重要性啟發(fā)函數(shù)。該算法使得論域不斷縮小的同時，又能選出反映決策表系統(tǒng)特征的重要屬性。實驗結(jié)果表明，該算法保證在分類精度不變的前提下，獲得最優(yōu)或次優(yōu)的約簡屬性集。 決策規(guī)則的

3、生成是約簡的主要目的。一般的值約簡算法只是針對相容決策表的，并不適用于包含沖突的決策表。為此，引入了可信度和覆蓋度兩個概念，采用完備決策表局部最小可信度和最小覆蓋度作為自適應(yīng)缺省規(guī)則獲取算法的閾值，來控制規(guī)則生成的數(shù)量，從而獲得同時滿足最小覆蓋度的確定性規(guī)則和滿足最小可信度的可能性規(guī)則。實驗結(jié)果表明，該算法能有效地除去由噪聲引起的冗余規(guī)則，獲得更加簡潔的規(guī)則集。 決策推理是知識獲取結(jié)果的最終應(yīng)用。在推理中希望有識別正確率高的推理

4、方法。為此，引入信息論觀點，將規(guī)則信息量優(yōu)先原則作為推理策略，通過對比實驗，自適應(yīng)缺省規(guī)則集在規(guī)則信息量優(yōu)先原則的推理策略指導(dǎo)下可得到更高的識別正確率。 在現(xiàn)實生活中, 由于數(shù)據(jù)測量的誤差/對數(shù)據(jù)理解或獲取的限制等原因, 有些對象的一部分屬性值不可能得到，導(dǎo)致了不完備信息系統(tǒng)的出現(xiàn)。粗糙集理論在不完備信息系統(tǒng)中的應(yīng)用，是將粗糙集理論進一步推向?qū)嵱玫年P(guān)鍵之一，而經(jīng)典的粗糙集理論對不完備信息系統(tǒng)的處理顯得束手無策。為此，在分析研究已

5、有的擴充粗糙集理論模型的基礎(chǔ)上，進一步提出基于限制非對稱相似關(guān)系的擴充粗糙集模型。這種限制非對稱相似關(guān)系模型吸取了其它擴充關(guān)系模型的優(yōu)點，屏棄了其它擴充模型方法的不足，更加符合現(xiàn)實情況，更適于對不完備信息系統(tǒng)的處理。 傳統(tǒng)的規(guī)則獲取算法都是基于數(shù)據(jù)完備的前提之下的。為了突破這一限定，對于不完備信息系統(tǒng)，將經(jīng)典的可辨識關(guān)系矩陣加以擴充，定義了限制非對稱相似關(guān)系模型下的可辨識關(guān)系矩陣，并采用布爾推理方法，在不改變原始不完備決策表的前