不完備不協(xié)調(diào)決策信息規(guī)則挖掘.pdf

1、隨著數(shù)據(jù)庫系統(tǒng)的不斷發(fā)展，數(shù)據(jù)查詢和統(tǒng)計的高效實現(xiàn)早已成為可能。但很多情況下無法獲得潛在的關(guān)系和規(guī)則，缺少對數(shù)據(jù)潛在價值的認識，從而導(dǎo)致“數(shù)據(jù)爆炸，但知識貧乏”。由此，知識規(guī)則挖掘技術(shù)便應(yīng)運而生。通過知識規(guī)則挖掘技術(shù)可以從“數(shù)據(jù)礦山中找到蘊藏的知識規(guī)則金塊”，將對我們造成壓力的數(shù)據(jù)變?yōu)闉槲覀兯玫闹R。所以研究知識規(guī)則挖掘具有很大的現(xiàn)實意義。
　　經(jīng)典粗糙集理論是由Pawlak在1982年提出的,它不需要任何先驗知識，只需要原始數(shù)

2、據(jù)就可以進行屬性約簡和規(guī)則挖掘。粗糙集理論在數(shù)據(jù)挖掘和規(guī)則挖掘領(lǐng)域已被廣泛應(yīng)用。經(jīng)典粗糙集理論的研究對象是完備信息，它利用等價關(guān)系將對象劃分為上近似和下近似。然而，在現(xiàn)實生活中，由于數(shù)據(jù)測量的誤差或數(shù)據(jù)獲取限制等原因，使得數(shù)據(jù)不確定性現(xiàn)象大量存在，不完備與不協(xié)調(diào)是不確定性的兩種不同表現(xiàn)。不確定性是智能問題的本質(zhì)特征，無論是人類智能還是人工智能，都離不開不確定性的處理。利用經(jīng)典的算法來處理這些數(shù)據(jù)，會造成資源的浪費，勢必會影響我們的決策，

3、造成信息失真。粗糙集理論擴展后，才可以應(yīng)用到處理不完備和不協(xié)調(diào)信息的處理中?？傊R的不確定性問題成為決策信息系統(tǒng)的重要研究課題之一。
　　本文的主要研究內(nèi)容如下：
　　首先，總結(jié)了粗糙集的理論的特點、粗糙集的應(yīng)用，介紹了粗糙集理論的基本理論，歸納并介紹了不確定性數(shù)據(jù)的產(chǎn)生原因及三種常用不完備信息處理方法,并逐個分析了這三種方法的特性和適用范圍，最后,分別介紹了不完備和不協(xié)調(diào)信息系統(tǒng)的研究現(xiàn)狀以及經(jīng)典不完備或不協(xié)調(diào)信息屬性

4、約簡的算法。
　　其次，對經(jīng)典粗糙集理論的知識約簡算法進行了詳細的研究與分析，又分別介紹了在不完備信息系統(tǒng)和不協(xié)調(diào)信息系統(tǒng)下的信息處理方法，并對算法的優(yōu)點以及各自的局限性進行了分析。
　　然后，經(jīng)典粗糙集模型是基于可利用信息的完整性的，忽視了信息缺失和不存在的情況。現(xiàn)實中很多的不完備決策表是動態(tài)的，新的數(shù)據(jù)會定期或不定期的添加進來，針對不完備信息的處理問題，本章給出了不完備信息系統(tǒng)的經(jīng)典屬性約簡算法：基于正域關(guān)系和啟發(fā)式算法

5、，并對算法的優(yōu)缺點作了簡單介紹。在分析算法優(yōu)勢與不足的基礎(chǔ)上提出了新的屬性約簡算法，增量式規(guī)則挖掘算法的動態(tài)更新方法適應(yīng)了規(guī)則的動態(tài)變化，可以保持規(guī)則在動態(tài)環(huán)境的一致性。首先對原決策表建立分布可辨識矩陣，獲得所有的分布約簡集，然后由分辨函數(shù)生成合取項，導(dǎo)出對應(yīng)的規(guī)則，該算法的優(yōu)勢在于引入了增量式的學(xué)習(xí)理念，避免了繁瑣的重復(fù)計算過程，并進行了實例驗證。最后與不完備信息系統(tǒng)下的正域約簡算法與啟發(fā)式算法進行了實驗，驗證了本文所提算法的可行性。

6、
　　再次，分析了不協(xié)調(diào)信息系統(tǒng)三種經(jīng)典約簡算法優(yōu)缺點,在總結(jié)以上算法的基礎(chǔ)上，本章采用最大分布約簡算法進行屬性約簡，通過決策分辨矩陣和決策矩陣函數(shù)來提取決策規(guī)則，從而挖掘出不協(xié)調(diào)決策信息系統(tǒng)中具有可信度的隱含的規(guī)則。通過實例說明了該算法的有效性，并且在一定程度上彌補了信息系統(tǒng)知識匱乏的缺陷。最后通過與其他算法的對比實驗，驗證了本文所提算法的可行性。
　　最后，是對本文所做工作的大體概括，針對本文研究內(nèi)容的不足，提出了今后的