一種啟發(fā)式屬性約簡算法的研究與應(yīng)用.pdf

1、隨著現(xiàn)代信息技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的不斷壯大，人們可以非常容易地通過各種途徑獲得數(shù)據(jù)，大量的數(shù)據(jù)已經(jīng)充斥在我們的工作以及生活之中。面對(duì)如此紛繁的數(shù)據(jù)，如果我們?nèi)匀徊捎脗鹘y(tǒng)的人工方式來進(jìn)行處理會(huì)顯得不切實(shí)際。如何能夠快速而又準(zhǔn)確地從這些海量的數(shù)據(jù)中提取出有價(jià)值的知識(shí)來幫助我們進(jìn)行決策和管理成了大家關(guān)注的問題。于是我們很容易就會(huì)想到處理這些數(shù)據(jù)可以借助運(yùn)算速度最快的計(jì)算機(jī)來實(shí)現(xiàn)。因此需要研究者對(duì)機(jī)器學(xué)習(xí)特別是數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)做更加深入和廣泛的研

2、究，而數(shù)據(jù)庫中往往存在冗余數(shù)據(jù)、缺失數(shù)據(jù)、不確定的數(shù)據(jù)甚至不一致的數(shù)據(jù)等諸多情況，這些數(shù)據(jù)成了知識(shí)發(fā)現(xiàn)過程中的一大障礙。 波蘭數(shù)學(xué)家Z．Pawlak(在1982年提出粗糙集理論，粗糙集理論能夠處理模糊和不確定性數(shù)據(jù)，并且它具有的模型簡單直觀，無需數(shù)據(jù)先驗(yàn)信息。根據(jù)粗糙集理論提取出的規(guī)則易于理解，自此理論提出之后已被成功地運(yùn)用于商業(yè)等領(lǐng)域。本文針對(duì)粗糙集理論在知識(shí)發(fā)現(xiàn)過程中幾個(gè)關(guān)鍵問題：數(shù)據(jù)預(yù)處理、約簡、規(guī)則提取等進(jìn)行了深入的研究

3、。重點(diǎn)對(duì)粗糙集理論在知識(shí)發(fā)現(xiàn)過程中約簡算法進(jìn)行了分析和總結(jié)，到目前為止還沒有一個(gè)公認(rèn)的、高效的約簡算法。在此基礎(chǔ)上，作者提出了基于差別矩陣和啟發(fā)式約簡的改進(jìn)算法，以減少時(shí)間復(fù)雜度，提高算法效率并獲取最優(yōu)約簡。 本文首先對(duì)粗糙集理論的發(fā)展、國內(nèi)外研究現(xiàn)狀及研究意義、粗糙集理論基礎(chǔ)進(jìn)行了研究，并對(duì)知識(shí)發(fā)現(xiàn)過程中各環(huán)節(jié)運(yùn)用粗糙集理論的方法進(jìn)行了分析；其次論文分析了數(shù)據(jù)預(yù)處理階段常用的幾種屬性離散化方法，重點(diǎn)對(duì)連續(xù)屬性離散化的NS離散算

4、法進(jìn)行了研究。再次對(duì)決策表的約簡問題進(jìn)行了分析，重點(diǎn)討論了屬性的約簡和屬性值的約簡問題。在屬性約簡方面，對(duì)目前常見的粗糙集屬性約簡算法進(jìn)行研究總結(jié)，指出了存在的問題，并在此基礎(chǔ)上，針對(duì)差別矩陣以及啟發(fā)式約簡算法提出了改進(jìn)算法，減少算法在計(jì)算時(shí)所需的時(shí)間和空間復(fù)雜度，求取最小約簡。在屬性值約簡方面，提出了基于啟發(fā)式值約簡算法的改進(jìn)算法，實(shí)現(xiàn)了有效地獲取規(guī)則。最后通過UCI數(shù)據(jù)庫的實(shí)驗(yàn)對(duì)比分析，驗(yàn)證了改進(jìn)算法具有更高的效率，并能夠得到較優(yōu)的