决策系统中的Rough Set理论研究

发布时间：2017-06-27 21:08

  本文关键词：决策系统中的Rough Set理论研究，由笔耕文化传播整理发布。

【摘要】：数据挖掘研究如何从海量的数据中发现有价值的知识和规则，是当前人工智能领域相当活跃的一个分支，并已经在各行各业取得了相当广泛的应用。粗糙集是应用于不确定知识领域数据挖掘的一个数学工具，在处理不确定知识方面具有极为强大的功能，它把决策系统作为主要研究对象，本文就基于粗糙集理论的决策系统规则发现进行了研究。 本文首先对数据挖掘和知识发现作一概述，，并论述了粗糙集理论的重要概念及其度量，基于这些概念和度量，具体分析了粗糙集理论的近似集算法、核算法、属性约简算法、规则提取算法，给出了它们的算法分析以及具体实现步骤。 属性约简是粗糙集理论中一个极为重要的概念，传统的属性约简方法具有较高的指数级复杂度，而基于可分辨矩阵的属性约简方法也具有较高的时间复杂度。本文首先证明了粗糙集理论中的两条重要定理，提出了一种新的属性约简方法。该属性约简方法基于核属性，以 西安理工大学硕士学位论文 幂集作为计算工具，按照幂集元素中基数由大到小排列，每一次循环 总能去除一个无用属性。算法的复杂度分析说明该算法具有较高的运 行效率和较低的时间复杂度，复杂度由指数级降为多项式O(nZ)。基 于上述的约简算法本文进一步引入了启发式的属性约简算法，在己知 属性重要性的情况下，使算法的复杂度接近0(n)，此外，用户还可以 根据不同的系统加入自己的经验数据以及自己的属性重要性的计算方 法，大大提高了算法的有效性。 计算一个决策系统的等价类是粗糙集的基本算法，本文提出了一 种新的等价类算法，该算法仅仅通过对决策表的一个扫描就可以获取 所有的等价类，经过算法分析，可以看出，在应用于海量数据时，该 算法具有较小的资源占用率。 关键词:数据挖掘，Rough Set，属性约简，等价类
【关键词】：数据挖掘 Rough Set 属性约简 等价类
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：C934
【目录】：

• 摘要3-5
• Abstract5-10
• 1 绪论10-17
• 1．1 引言10-13
• 1．2 研究背景13-15
• 1．3 研究对象15-16
• 1．4 论文研究目标16-17
• 2 数据挖掘技术概述17-28
• 2．1 数据挖掘-从商业数据到商业信息的进化17-19
• 2．2 数据挖掘的定义19-21
• 2．2．1 技术上的定义与含义19-20
• 2．2．2 商业角度的定义20
• 2．2．3 数据挖掘与传统分析方法的区别20-21
• 2．4 数据挖掘的研究内容和本质21-23
• 2．4．1 广义知识(Generalization)21-22
• 2．4．2 关联规则(Association Rules)22
• 2．4．3 分类规则(Classification Rules)22-23
• 2．4．4 预测型知识(Predication)23
• 2．4．5 偏差型知识(Deviation)23
• 2．5 数据挖掘常用技术23-24
• 2．6 数据挖掘的流程24-28
• 3 粗糙集理论及其度量28-38
• 3．1 信息系统29-33
• 3．1．1 信息系统29-31
• 3．1．2 等价关系和等价类31
• 3．1．3 不可分辩关系31-33
• 3．2 近似集及其性质33-35
• 3．2．1 下近似和正、负区域33
• 3．2．2 上近似33-34
• 3．2．3 边界34
• 3．2．4 近似集的性质34-35
• 3．3 粗糙集度量35-38
• 3．3．1 近似精度35-36
• 3．3．2 粗糙隶属度36
• 3．3．3 属性依赖度36-37
• 3．3．4 属性重要性37-38
• 4 不确定信息系统的约简和规则生成38-42
• 4．1 属性约简38-41
• 4．2 决策规则及提取41-42
• 5 基于Rough Set的决策系统算法及分析42-53
• 5．1 计算等价类算法42-44
• 5．2 求上近似下近似44-45
• 5．3 属性重要性及核的计算45-47
• 5．4 属性约简算法47-51
• 5．5 规则提取算法51-53
• 6 一个新的属性约简算法及应用实例53-59
• 6．1 两条重要定理53-54
• 6．2 一个新的属性约简算法54-56
• 6．2．1 算法原理54-55
• 6．2．2 算法实现55-56
• 6．3 启发式属性约简算法56-57
• 6．4 应用实例分析57-59
• 7 粗糙集信息系统的JAVA类库设计59-70
• 7．1 简介59
• 7．2 JAVA类库结构59-60
• 7．3 数据挖掘系统基本JAVA类库60-63
• 7．4 粗糙集基本JAVA类库63-66
• 7．5 Rough Set类库应用示例66-70
• 结束语70-73
• 本文工作总结70-71
• 进一步的研究工作71-73
• 致谢73-74
• 参考文献74-81
• 在校期间发表的论文81

【参考文献】

中国期刊全文数据库 前10条

1 刘宗田;属性最小约简的增量式算法[J];电子学报;1999年11期

2 陈云化,叶东毅,赵士亮;基于粗糙集理论的规则提取算法的研究[J];福州大学学报(自然科学版);2001年04期

3 李侃,刘玉树,王蕾;一种粗糙集属性约简算法[J];计算机工程与应用;2002年05期

4 程玉胜,胡学钢,江效尧;不完备信息系统的属性约简方法研究[J];计算机工程与应用;2004年01期

5 陈奇南,梁洪峻;模糊集和粗糙集[J];计算机工程;2002年08期

6 杨振峰,郭景峰,常峰;一种基于粗集的值约简方法[J];计算机工程;2003年09期

7 马廷淮,赵亚伟,张海盛,曾振柄;基于粗糙集的决策规则约简[J];计算机工程;2003年12期

8 赛煜,王海洋;一种基于粗糙集理论的最简规则挖掘方法[J];计算机工程;2003年20期

9 王珏,王任,苗夺谦,郭萌,阮永韶,袁小红,赵凯;基于Rough Set理论的“数据浓缩”[J];计算机学报;1998年05期

10 祝峰,何华灿;粗集的公理化[J];计算机学报;2000年03期

  本文关键词：决策系统中的Rough Set理论研究，由笔耕文化传播整理发布。

本文编号：491242