基于粗糙集的知識發(fā)現(xiàn)方法研究.pdf

1、本文對基于粗集的約簡和分類方法進行了系統(tǒng)深入地研究.總結(jié)了現(xiàn)有方法,并對一些算法進行改進,進而提出了幾個新的算法.主要工作如下:首先給出了可分辨矩陣的概念及基于可分辨矩陣的約簡算法,然后給出了其改進算法.通過分析可分辨矩陣中屬性的出現(xiàn)頻率,研究了矩陣的特征秩機制,在此基礎(chǔ)上,給出了啟發(fā)式約簡算法.對于含有噪聲的信息系統(tǒng)中完全意義上的約簡無法進行,也導致無法正確的分類,引入了兩種近似約簡算法,一種基于列聯(lián)矩陣,另一種基于可變精度粗糙集模型

2、,討論了在數(shù)據(jù)集不一致、不完整情況下的約簡問題.借鑒ID3算法的思想,提出了基于粗糙集的決策樹算法.解決了現(xiàn)有的大部分基于粗集的算法無法用于大規(guī)模的數(shù)據(jù)集的問題,提出了一個分類算法,它比基于粗集的分類算法具有比較好的可擴展性,所提出的算法是懶惰學習算法和Apriori算法的融合.討論了粒度的概念,在此基礎(chǔ)上,構(gòu)造了一個粒度網(wǎng)絡.傳統(tǒng)的基于粗集的算法尋求的是完全確定和正確的分類,而沒有考慮其它的因素,比如噪聲、對象的重要性等等.本文給出了