| 【论文摘要】 | 粗糙集理论是80年初由波兰数学家Z.Pawlak首先提出的一个分析数据的数学理论。
作为一种新的数据分析方法,粗糙集理论能有效地分析和处理不精确、不一致、不完整的各种数据信息,并且从数据信息中发现隐含的知识,揭示数据潜在的规律。与其它经典数据分类方法相比,粗糙集有很多的优特点。
近20年来,粗糙集理论有了长足的发展。它不仅在数学理论、算法设计上得到不断的完善和提高,而且在其他领域也得到了成功的应用。
本论文首先较为系统地介绍了粗糙集理论的来源,优点,及其在理论、算法和应用中的研究现状,利用粗糙集进行数学建模的整个流程等。
区分矩阵方法是一种能求出信息系统的所有约简的方法,但是这种方法的一个巨大缺点是随着信息系统的维数的增高,其计算时间会发生指数级的上升。本文根据不可区分关系,提出了不可区分矩阵的概念。在区分矩阵约简算法的启发下,提出了一种基于不可区分矩阵的属性约简算法。这种算法根据不可区分与区分两者之间的关系,在不可区分矩阵基础上先进行数据化简,然后根据两者互补关系把不可区分关系又化回区分关系,得到约简。
决策规则的生成有许多种,但是大部分规则生成的方法都是针对条件等价类进行分析,而很少有... |
