知識獲取算法研究.pdf

1、粗糙集理論是一種新的處理模糊和不確定知識的軟計算工具。它能有效地分析和處理不精確、不一致、不完整等各種不完備信息，并從中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律，近年來在機器學習、數(shù)據(jù)挖掘等多個領域得到廣泛應用。粗糙集是知識獲取的一種方法。作為當前的研究熱點，在知識獲取的研究中尚存在一些問題未能解決，我們對其中兩個主要問題--求核問題和增量式知識獲取模型進行了研究和討論，得到了較好的結果。屬性約簡是知識獲取中最重要的部分之一。決策表核屬性的確定往

2、往是信息約簡過程的出發(fā)點和關鍵。以前的可辨識矩陣求核算法由于忽略了某些因素而產(chǎn)生錯誤結果，葉東毅在新的求核算法中雖然把錯誤改正了，但算法復雜度明顯提高。本文在定義的合并規(guī)則的基礎上提出一種求核算法，該算法不僅改正了以前可辨識矩陣求核法的錯誤，而且在性能上優(yōu)于葉東毅和Hu Xiaohua的求核算法。近幾年在粗糙集理論研究中對求解屬性的最小約簡或較小約簡以及求取最簡規(guī)則集[1-3]的算法已經(jīng)進行了一些研究，但這些研究都是針對靜態(tài)數(shù)據(jù)的。而數(shù)

3、據(jù)庫是動態(tài)的，因此許多研究者建議[4-6]，數(shù)據(jù)庫知識發(fā)現(xiàn)算法應該是增量式的。屬性最小約簡的增量式算法以及增量式更新概念格的算法已經(jīng)開始被研究，但對于增量式的知識獲取算法的研究工作還比較少。
　　 本文在以上工作的基礎上，研究了增量式知識獲取問題，發(fā)現(xiàn)當把知識的樹結構和粗糙集的知識獲取思想進行結合后，對于增量式學習的數(shù)據(jù)可以取得好的學習效果。在此基礎上，我們提出基于粗糙集和規(guī)則樹的增量式知識獲取算法(RRIA)。實驗表明，RRI