基于擴(kuò)展粗糙集的屬性約簡的研究.pdf

1、粗糙集是一種處理模糊和不確定數(shù)據(jù)的數(shù)學(xué)工具，已在人工智能和數(shù)據(jù)挖掘，模式識別與分類，故障監(jiān)測等方面得到了良好的應(yīng)用。屬性約簡是粗糙集理論研究的一個重要內(nèi)容，是在保持分類精度不變的前提下，刪除冗余的屬性的過程。而尋求如何有效和快速地從那些尺寸龐大和復(fù)雜多樣的數(shù)據(jù)集合中提取特征子集已經(jīng)成為屬性約簡研究的一個重要問題。 本文對基于擴(kuò)展粗糙集的屬性約簡進(jìn)行了研究，主要工作有： 1.提出了一種屬性約簡的快速算法FFGAR，利用等價

2、類的包含性質(zhì)和分支定界思想，將該算法中計算等價類的時間復(fù)雜度降為O(|A||U|)：利用正區(qū)域和屬性個數(shù)的單調(diào)關(guān)系，減少論域的搜索空間，將約簡算法的時間復(fù)雜度降為O(|A|2|U|)。 2.針對以屬性依賴度為度量的算法在處理某些數(shù)據(jù)應(yīng)用時找不到任何特征子集的問題，構(gòu)造了前向貪婪搜索約簡算法GARBC。該算法以一致性取代依賴性作為屬性重要性的度量，由于一致性是對正區(qū)域的擴(kuò)展，使得多余屬性和相對約簡的概念擴(kuò)展了。 3.經(jīng)典粗

3、糙集理論是以嚴(yán)格的不可區(qū)分關(guān)系為基礎(chǔ)的，在處理連續(xù)型屬性時往往要經(jīng)過離散化處理。本文引入實(shí)數(shù)空間上的鄰域系統(tǒng)，給出了一個混合屬性粗糙集模型，擴(kuò)展了經(jīng)典粗糙集理論的不可區(qū)分關(guān)系，構(gòu)造了基于混合一致性度量的約簡算法ARBMC。 4.在UCI數(shù)據(jù)集合上將算法FFGAR與現(xiàn)存算法進(jìn)行比較，結(jié)果驗(yàn)證了算法在計算效率上的有效性；將算法GARBC與傳統(tǒng)算法進(jìn)行比較，結(jié)果驗(yàn)證了算法能夠有效處理不一致信息系統(tǒng)；將算法ARBMC與離散化方法進(jìn)行比較