基于Rough集的属性与属性值约简方法研究

论文摘要

Rough集理论是由20世纪80年代波兰人Z.Pawlak提出的一种新的数学数据分析工具,它通过上近似与下近似来处理不精确性、不确定的知识,它具有演绎、归纳和常识推理三种能力。因此,Rough集理论在知识获取、决策分析、专家系统和模式识别等方面得到了广泛的应用。Rough集理论是一种处理模糊和不精确性知识的一种有用的工具,其核心的思想是在保持分类不变的前提下,通过决策表的约简,求出潜在的知识与潜在的规则。本文以Rough集理论为基础,创新点如下：1、本文的分析角度与一般方法不同,本文从列方向考虑约简过程,而一般的方法是从行方向考虑。2、本文把属性约简与属性值约简两个不同的过程集合在一起,同时进行,而其他一般方法对属性约简与属性值约简是分开进行的,先属性约简,然后属性值约简。3、本文的算法只要扫描一次决策表,由此求出所有属性的等价类族,然后利用对它们进行集合的交集运算,那么就可以根据结果判断出哪些属性值是核值,哪些属性值不是核值,哪些属性是否可以被约简。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 ROUGH集理论概述
• 1.2 研究现状
• 1.3 研究发展趋势
• 1.4 本论文的研究内容与结构安排
• 第2章 ROUGH集理论基础
• 2.1 等价关系
• 2.2 等价类
• 2.3 划分
• 2.4 上近似、下近似和边界
• 2.5 S可定义与不可定义
• 2.6 信息系统
• 2.7 决策表
• 2.8 决策表的约简
• 2.9 本章小结
• 第3章 属性与属性值约简方法
• 3.1 概述
• 3.2 属性与属性值约简算法
• 3.2.1 引理
• 3.2.2 属性与属性值合一约简算法
• 3.2.3 本文算法复杂度分析
• 3.2.4 与其它约简方法比较
• 3.3 本章小结
• 第4章 基于属性与属性值约简方法的应用研究
• 4.1 应用实例
• 4.2 数据预处理
• 4.3 离散化处理
• 4.4 约简过程
• 4.5 约简结果
• 4.6 其他实验
• 4.7 本章小结
• 第5章 总结
• 致谢
• 参考文献
• 攻读学位期间的研究成果