| 【中文题名】 | 基于粗糙集理论的约简方法研究 |
| 【英文题名】 | The Research on Reduction Based on Rough Sets |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-3 |
| 【中关键词】 | KDD,粗糙集合,决策表,属性约简,值约简, |
| 【英关键词】 | KDD,Rough Set,Decision table,Attribute reduction,Value reduction, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>专家系统、知识工程> |
| 【论文摘要】 |
粗糙集理论是波兰数学家Z．Pawlak于1982年提出的一种处理含糊性和不确定性问题的数学工具，已成为计算机科学与技术领域中颇具挑战力的方向之一。粗糙集理论中关于知识发现、数据约简、决策支持、分类等领域的方法已被证实非常有效，并在现实生活中有许多有趣的应用。
约简是粗集理论的重要内容，通过删除知识库中多余的属性集(值)，来保留知识库中的重要知识，以提高知识的质量，方便用户决策。本文主要研究粗集理论中的属性约简和值约简这两类约简问题，具体工作如下：
(1)概述了粗集理论的基本知识和研究动态，并针对现有的粗集理论中的属性约简和值约简算法作了描述和分析。
(2)提出了一个新的属性约简算法ARIMC，该算法基于本文提出的改进的分辨矩阵IDM，利用核信息优化矩阵的构造，具有较好的时间性能，并由于能适用于不一致的系统，因而比现有仅能适用于一致系统的算法有明显改进。
(3)在对分辨矩阵的构造过程加以改进的基础上，提出一种基于值核属性和吸收率优化的决策表属性值约简改进算法AVRIMC。实验表明，该算法在时间性能上有一定程度的提高。 |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-12 |
|
第一章 绪论 |
12-20 |
|
1.1 KDD与数据挖掘 |
12-16 |
|
1.1.1 KDD与数据挖掘的定义及研究现状 |
12-14 |
|
1.1.2 KDD与数据挖掘的主要任务及相关技术 |
14-16 |
|
1.2 粗糙集合理论研究概述 |
16-19 |
|
1.2.1 粗集理论的研究背景 |
16-17 |
|
1.2.2 粗集理论的研究内容及特点 |
17-18 |
|
1.2.3 粗集理论的研究方向 |
18-19 |
|
1.3 本文的内容结构 |
19-20 |
|
第二章 粗糙集合理论 |
20-30 |
|
2.1 近似空间与不可分辨关系 |
20-21 |
|
2.2 上(下)近似集 |
21-22 |
|
2.3 知识约简和核 |
22-23 |
|
2.3.1 约简和核 |
22 |
|
2.3.2 相对约简和相对核 |
22-23 |
|
2.4 信息系统 |
23-24 |
|
2.5 决策表与决策规则 |
24-25 |
|
2.6 粗集扩展模型 |
25-29 |
|
2.6.1 可变精度粗糙集模型(VPRS) |
25-26 |
|
2.6.2 相似模型 |
26-27 |
|
2.6.3 容差模型 |
27-28 |
|
2.6.4 限制容差模型 |
28-29 |
|
2.7 本章小结 |
29-30 |
|
第三章 决策系统的属性约简研究 |
30-42 |
|
3.1 基于分辨矩阵的属性约简经典算法 |
30-31 |
|
3.2 基于属性重要性的属性约简算法 |
31 |
|
3.3 基于属性频度的约简算法 |
31-32 |
|
3.4 JELONEK的属性约简算法 |
32-33 |
|
3.5 其他属性约简算法 |
33-35 |
|
3.5.1 遗传算法 |
33-34 |
|
3.5.2 复合系统的约简算法 |
34 |
|
3.5.3 动态约简算法 |
34-35 |
|
3.5.4 基于数据库操作的约简算法 |
35 |
|
3.6 ARIMC算法 |
35-40 |
|
3.6.1 ARIMC算法的提出 |
35-36 |
|
3.6.2 分辨矩阵IDM |
36-37 |
|
3.6.3 ARIMC算法描述 |
37-38 |
|
3.6.4 实例 |
38-39 |
|
3.6.5 实验结果及分析 |
39-40 |
|
3.7 本章小结 |
40-42 |
|
第四章 决策系统的属性值约简及规则提取研究 |
42-55 |
|
4.1 属性值约简基本算法 |
42-45 |
|
4.2 基于启发式思想的属性值约简算法 |
45-46 |
|
4.3 一种基于可分辨矩阵的属性值约简算法 |
46-48 |
|
4.3.1 修改的可分辨矩阵及定义 |
46-47 |
|
4.3.2 算法描述 |
47-48 |
|
4.4 AVRIMC算法 |
48-54 |
|
4.4.1 AVRIMC算法的提出 |
48 |
|
4.4.2 分辨矩阵 |
48 |
|
4.4.3 基于值核和吸收率的分辨矩阵的优化构造 |
48-49 |
|
4.4.4 AVRIMC算法描述 |
49-50 |
|
4.4.5 实例 |
50-52 |
|
4.4.6 实验结果及分析 |
52-54 |
|
4.5 本章小结 |
54-55 |
|
第五章 结束语 |
55-57 |
|
5.1 本文总结 |
55 |
|
5.2 工作展望 |
55-57 |
|
参考文献 |
57-62 |
|
攻读硕士学位期间参加研究的课题和发表的论文 |
62-63 |
|
附录一 决策表MUSHROOM及实验结果 |
63-68 |
|
| 【DOI】 | LunWen.ID:2.2008.388784 |
