基于粗糙集理論的屬性約簡及應用研究.pdf

1、粗糙集理論是一種處理不精確、不一致、不完整等問題的數(shù)學工具,無需提供問題所需處理的數(shù)據集合之外的任何先驗信息,可直接對數(shù)據進行分析和推理,從中發(fā)現(xiàn)隱含的知識,揭示潛在的規(guī)律.自20世紀80年代末以來,關于粗糙集理論和應用的研究逐漸成為智能信息處理領域的熱點問題,并己經在數(shù)據挖掘、機器學習、模式識別、決策分析等領域取得了成功的應用. 屬性約簡是粗糙集理論中的重要問題,是在保持分類能力不變的前提下,刪除冗余的屬性.尋求快速的約簡算法

2、是粗糙集理論的重要研究內容之一,是知識獲取的關鍵步驟.本文針對屬性約簡展開研究.主要工作如下: (1)概述了粗糙集理論的相關知識,系統(tǒng)地分析了經典粗糙集理論的屬性約簡算法. (2)提出了一種改進的基于差別矩陣完備的約簡算法IAARBDM,用一維數(shù)組存儲差別矩陣的元素,存儲之前先進行元素冗余性的判斷,約去大量冗余的元素,簡化了差別函數(shù),從而提高了效率.針對大規(guī)模數(shù)據集的差別函數(shù)可能較為復雜的問題,基于IAARBDM算法提出