基于粗糙集的定性數(shù)據(jù)分析方法研究.pdf

1、定性數(shù)據(jù)分析方法有著廣泛的應用前景，但隨著數(shù)據(jù)采集和存儲技術的進步，我們開始面對日益增多的龐大數(shù)據(jù)庫，由于“總體漂移”及非獨立同分布數(shù)據(jù)的出現(xiàn)，現(xiàn)有定性數(shù)據(jù)分析方法急待發(fā)展與完善。粗糙集作為一種處理離散數(shù)據(jù)的數(shù)學工具，為定性數(shù)據(jù)分析方法的創(chuàng)新提供了一種新的視角。通過深入研究定性數(shù)據(jù)分析內容和粗糙集方法，本文從理論與應用兩個方面較為全面和系統(tǒng)地提出了基于粗糙集的定性數(shù)據(jù)分析方法，主要探討了粗糙集在數(shù)據(jù)描述、數(shù)據(jù)預處理、判別分析及聚類分析等

2、方面的應用。 本文創(chuàng)新之處：1．應用粗糙集從數(shù)據(jù)歸納推理的角度進行定性數(shù)據(jù)分析方法的研究，這使得分析方法除了數(shù)據(jù)本身之外不需要任何其他的信息，由推斷到推理是方法上的根本轉變。2．提出了用分類信息表S={U/R，A，V，F(xiàn)}描述定性數(shù)據(jù)的方法，將變量之間關系的分析轉換為變量等價類之間關系的分析。提出了用關聯(lián)信息系數(shù)IR(Xi，Xj)描述變量間關聯(lián)關系的方法，克服了采用X2檢驗方法的不足。3．提出了基于信息熵進行變量約簡的方法和對數(shù)

3、據(jù)的關聯(lián)結構進行壓縮的方法。4．在引入粗糙集流向圖的同時，提出了按照變量的重要性確定流向圖層次的方法，避免了分析中由于流向圖層次選擇不當而可能出現(xiàn)的辛普森悖論問題。5．提出了基于信息量進行判別變量篩選的方法，并將定性數(shù)據(jù)判別分為完全確定型判別、完全不確定型判別及粗糙型判別。6．借鑒因子分析思想，提出在分析變量子集關聯(lián)結構的基礎上，確定最優(yōu)等價類簇的聚類方法。 研究表明，本文提出的定性數(shù)據(jù)分析方法，既可用于大型數(shù)據(jù)集的分析，也可以