粗糙集屬性約簡(jiǎn)算法在數(shù)據(jù)挖掘中的研究.pdf

1、隨著數(shù)據(jù)庫(kù)的不斷增長(zhǎng),自動(dòng)從數(shù)據(jù)庫(kù)中獲取有用的知識(shí)成為人們?nèi)找嫫惹械男枰?粗糙集理論(Rough Sets)就是在這樣背景下不斷發(fā)展起來(lái)的一種用于不精確、不確定數(shù)據(jù)挖掘與處理的新型數(shù)學(xué)理論.粗糙集理論也憑借其獨(dú)特的優(yōu)勢(shì)而在KDD領(lǐng)域中具有越來(lái)越重要的地位.屬性約簡(jiǎn)是粗糙集理論研究的核心問(wèn)題之一,本文首先介紹了Pawlak粗糙集模型以及決策表、可辨識(shí)矩陣和約簡(jiǎn)等基本概念,為后面章節(jié)中的屬性約簡(jiǎn)算法打下了理論基礎(chǔ).現(xiàn)已證明,尋找一個(gè)決策表的

2、最小約簡(jiǎn)是NP-難問(wèn)題,在人工智能中,解決這類(lèi)問(wèn)題的方法一般是使用啟發(fā)式算法.本文把屬性重要性作為啟發(fā)式信息,以核屬性為尋求約簡(jiǎn)的起點(diǎn),通過(guò)對(duì)算法中加入啟發(fā)式信息,減少了搜索空間.給出了相對(duì)可辨識(shí)矩陣的概念,并以相對(duì)可辨識(shí)矩陣為基礎(chǔ),對(duì)屬性約簡(jiǎn)的基本算法做出了改進(jìn),把本來(lái)是對(duì)可辨識(shí)矩陣進(jìn)行邏輯運(yùn)算的計(jì)算轉(zhuǎn)化成代數(shù)運(yùn)算,在一定程度上簡(jiǎn)化了計(jì)算,提高了約簡(jiǎn)效率.后面又提到了基于信息熵的相對(duì)屬性約簡(jiǎn)算法.并在文章的最后提出了一種新的基于灰色關(guān)