基于粗糙集的分類知識(shí)發(fā)現(xiàn)方法及其應(yīng)用研究.pdf

1、作為知識(shí)發(fā)現(xiàn)的重要研究分支，數(shù)據(jù)分類在商務(wù)決策中發(fā)揮著日益重要的作用，本文從知識(shí)發(fā)現(xiàn)的角度對(duì)基于特定的準(zhǔn)則對(duì)現(xiàn)有數(shù)據(jù)、信息進(jìn)行分類研究的方法作了大致概括與評(píng)價(jià)，介紹了當(dāng)前知識(shí)發(fā)現(xiàn)、分類研究及粗糙集的分類研究的主要成果及研究現(xiàn)狀，并在此基礎(chǔ)上按照決策表分類知識(shí)發(fā)現(xiàn)的步驟展開全文基于粗糙集的分類知識(shí)發(fā)現(xiàn)的研究。 本文將數(shù)據(jù)預(yù)處理工作單列一章進(jìn)行討論，主要包括信息系統(tǒng)的決策表表示方式，原始決策表中的冗余與不一致數(shù)據(jù)的清理以及連續(xù)數(shù)據(jù)的

2、離散化等數(shù)據(jù)預(yù)處理技術(shù).將支持度的思想引入粗糙集等價(jià)矩陣的定義當(dāng)中，構(gòu)造增廣等價(jià)矩陣，并基于此增廣等價(jià)矩陣分別針對(duì)決策表中的冗余對(duì)象和不相容對(duì)象設(shè)計(jì)了兩個(gè)數(shù)據(jù)凈化算法，在提高數(shù)據(jù)清理的有效性的同時(shí)最大限度地降低數(shù)據(jù)清理對(duì)決策表的破壞，避免原始決策表重要信息丟失；其次，將基于信息熵的屬性重要性引入粗糙集的可辨別矩陣構(gòu)造過程，針對(duì)含有多個(gè)連續(xù)屬性值的決策表給出精確離散化算法，充分保留決策表的一致性。同時(shí)，為克服精確離散化切點(diǎn)對(duì)不同訓(xùn)練子集的

3、選取和不同的離散化技術(shù)過于敏感的難題，在精確離散的基礎(chǔ)上給出了利用精確切點(diǎn)區(qū)間分別構(gòu)造精確離散區(qū)間和模糊離散區(qū)間的算法。 在決策表的條件屬性約簡(jiǎn)方面，本文區(qū)分對(duì)待決策表對(duì)象較少與較多兩種情形提出兩種改進(jìn)的粗糙集的屬性約簡(jiǎn)的方法。針對(duì)較少對(duì)象的一般決策表，由決策表的核開始，給出了的基于信息熵和相對(duì)可辨別矩陣的屬性約簡(jiǎn)的啟發(fā)式搜索算法，達(dá)到縮小搜索空間，減少計(jì)算量的目的，利用信息熵和近似分類質(zhì)量的特點(diǎn)，充分考慮條件屬性間的聯(lián)系；其次

4、，針對(duì)大數(shù)據(jù)集決策表，即決策表中對(duì)象過多時(shí)，本文將基于擴(kuò)張矩陣決策表屬性約簡(jiǎn)問題轉(zhuǎn)化為規(guī)劃問題，并提出免疫算法進(jìn)行規(guī)劃模型的求解方法，具體方法是以基于信息熵的屬性重要性和粗糙集的近似分類質(zhì)量求出決策表的核與擴(kuò)張矩陣，然后以基于離差的免疫算法代替通常的基于信息熵的免疫算法，求出規(guī)劃問題的解，即決策表的屬性約簡(jiǎn)結(jié)果，用于降低分類知識(shí)發(fā)現(xiàn)中決策表中的冗余與不相關(guān)的屬性對(duì)挖掘質(zhì)量的破壞，減少要處理的數(shù)據(jù)量，簡(jiǎn)化分類器，從而減輕數(shù)據(jù)噪聲的影響，提

5、高泛化性能。 在決策表的規(guī)則獲取方面，改進(jìn)了粗糙集視野下的一般規(guī)則獲取，提出了連續(xù)型條件屬性的規(guī)則合并，探討了分類的概率規(guī)則獲取以及決策解釋等內(nèi)容。首先，給出基于決策類核屬性的值約簡(jiǎn)的包裝算法和基于等價(jià)矩陣的兩種改進(jìn)的分類規(guī)則獲取算法，其中，基于決策類核屬性的分類規(guī)則獲取的值約簡(jiǎn)算法，保證了生成的規(guī)則形式整齊，層次分明，便于檢索；其次，對(duì)于具有連續(xù)的數(shù)值型取值的條件屬性，在不降低精確度的前提下，提出針對(duì)決策類的分類規(guī)則合并算法，

6、在具有相同類標(biāo)號(hào)的規(guī)則集合中合并連續(xù)條件屬性區(qū)間，這樣一方面不會(huì)導(dǎo)致矛盾規(guī)則的出現(xiàn)，保證了產(chǎn)生分類規(guī)則的精度，另一方面避開了后續(xù)的反復(fù)約簡(jiǎn)及合并工作，簡(jiǎn)化了計(jì)算，提高分類能力；另外，還探討了邊界區(qū)域的分類的概率規(guī)則獲取問題，以條件概率給出規(guī)則的置信度、覆蓋度、支持度定義，利用Bayes理論進(jìn)行決策解釋，提出基于粗糙集Bayes理論的決策建議的解釋算法，并通過供應(yīng)鏈需求集成分析應(yīng)用案例分析，以計(jì)算結(jié)果對(duì)比證明了本文算法的有效性。

7、將本文給出的分類知識(shí)發(fā)現(xiàn)方法應(yīng)用到供應(yīng)鏈管理的實(shí)踐操作當(dāng)中，主要探討基于分類方法的供應(yīng)鏈需求趨勢(shì)預(yù)測(cè)問題，把基于改進(jìn)的粗糙集的分類方法引入供應(yīng)鏈需求預(yù)測(cè)過程，從供應(yīng)鏈企業(yè)以往需求預(yù)測(cè)經(jīng)驗(yàn)中挖掘出其需求趨勢(shì)變化與當(dāng)時(shí)的經(jīng)濟(jì)、社會(huì)、文化等背景之間關(guān)系的“預(yù)測(cè)知識(shí)”，并以此知識(shí)指導(dǎo)未來(lái)的需求預(yù)測(cè)。針對(duì)條件屬性層次性較強(qiáng)的情形，本文還提出一種條件屬性的合并方法，用來(lái)代替通常的決策表屬性約簡(jiǎn)，以突變級(jí)數(shù)評(píng)價(jià)法改進(jìn)粗糙集在屬性約簡(jiǎn)方面的弊端，以基于