屬性約簡技術(shù)及應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、大量來自客觀世界的數(shù)據(jù)不僅結(jié)構(gòu)復(fù)雜,而且具有眾多的屬性。這些屬性在應(yīng)用中其重要性并不是完全相同的,有的屬性甚至是冗余的。根據(jù)應(yīng)用的需要刪除冗余屬性和不影響應(yīng)用的屬性既有利于數(shù)據(jù)的有效保存,又有利于從數(shù)據(jù)中獲取知識。屬性約簡是刪除冗余屬性和不重要屬性的一種有效方法。 對數(shù)據(jù)集進行屬性約簡的研究是粗糙集理論的重要內(nèi)容之一。Wong.S.K.M和Ziarko.W已經(jīng)證明了基于粗糙集找出一個決策表(數(shù)據(jù)集)的最小約簡是NP-hard問題

2、。己知的多數(shù)基于粗糙集的數(shù)據(jù)約簡算法一般是啟發(fā)式算法,難于保證獲得的約簡是最小約簡。常常數(shù)據(jù)集最小約簡中包含的屬性數(shù)目也難于確定。鑒于此,本文將分形理論與屬性約簡聯(lián)系起來進行研究,用數(shù)據(jù)集的分形維數(shù)作為其本征維數(shù),由此獲得最小約簡的一個有效判據(jù)。實驗表明,這種判據(jù)是有效的和可行性的。 本文研究的內(nèi)容和主要成果包括: ①詳細介紹了屬性約簡相關(guān)技術(shù)與方法的研究現(xiàn)狀。 ②研究了基于粗糙集的屬性約簡技術(shù)和分形維數(shù)計算方法

3、,指出了基于粗集約簡存在的缺陷,給出了一個有效的分形維數(shù)計算方法。 ③研究了目前常用的兩種基于分形維數(shù)的約簡算法,提出了改進算法。實驗表明,該算法不僅能較好地解決了最小約簡問題,也能將能處理的數(shù)據(jù)集的類型從單純的決策表擴展到一般數(shù)據(jù)集。 ④研究了屬性約簡方法與關(guān)聯(lián)規(guī)則挖掘方法的融合。實驗表明,利用屬性約簡的結(jié)果到關(guān)聯(lián)規(guī)則挖掘中,能夠有效地減少挖掘過程中人工干預(yù)的過程,并且能夠獲得較好的挖掘參數(shù)。 本文的研究表明,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論