屬性約簡技術(shù)及應(yīng)用研究.pdf

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，