基于粗糙集的約簡優(yōu)化計算方法研究.pdf

1、粗糙集理論是一種處理含糊和不確定性信息的新型數(shù)學工具，其理論提出以來得到迅速的發(fā)展和廣泛的應用。知識約簡是粗糙集理論重要研究內(nèi)容之一，它的主要目的在于去除數(shù)據(jù)中的冗余信息，同時保持原決策信息系統(tǒng)的分類能力不變。針對大量或海量數(shù)據(jù)，原有約簡方法效率低，須對粗糙集約簡計算理論進行優(yōu)化，發(fā)展完善相關計算算法，以提高知識約簡的效率。本文基于粗糙集理論，針對知識約簡優(yōu)化計算問題進行了較為深入的研究。 對粗糙集理論三種知識約簡方法進行比較，

2、分析各類方法的優(yōu)缺點以及它們之間的相互關系。通過改進原有差別矩陣，在對象比較過程中一次性提取核與用于求約簡的所有分辨信息，并保證分辨信息之間不存在包含關系。在此分辨信息基礎上以屬性頻度為啟發(fā)式信息給出了一種基于改進差別矩陣的啟發(fā)式約簡及增量式更新方法。理論分析與實驗仿真表明，新啟發(fā)式算法產(chǎn)生約簡與分辨函數(shù)思想產(chǎn)生的最優(yōu)約簡一致，說明算法的有效性。 深入研究約簡算法完備性理論，指出現(xiàn)有知識約簡算法的不完備性，對本文的新啟發(fā)式約簡算