基于決策熵的知識約簡方法的研究.pdf

1、快速地從海量數(shù)據(jù)中智能地挖掘出有價值的知識，一直是人類所迫切追求的，但由于知識發(fā)現(xiàn)技術(shù)中傳統(tǒng)的數(shù)據(jù)挖掘方法不能很好的處理不完整、不確定信息，從而限制了其在工業(yè)上的應(yīng)用。由于粗糙集方法能有效地處理不確定、模糊型信息，并且不需要提供先驗知識，故受到了科研學(xué)者以及工業(yè)界人士的關(guān)注和喜愛。近年來，已被成功應(yīng)用于人工智能、模式識別、機器學(xué)習(xí)等領(lǐng)域中。
　　 知識約簡方法是粗糙集理論研究的核心內(nèi)容之一。其中，知識約簡包括屬性約簡以及值約簡，

2、目前，許多研究人員主要把精力放在了對屬性約簡算法的提出和改進上，對值約簡算法的研究相對較少。本文分析已有值約簡算法發(fā)現(xiàn)，目前的值約簡算法要么識別率不高，要么時間復(fù)雜度較高，而且也不能客觀地反映決策規(guī)則的決策能力的變化情況。為了盡量解決這一問題，文中利用置信度以及決策熵能客觀反映決策規(guī)則的決策能力的變化情況的優(yōu)勢，提出了一種基于決策熵的值約簡算法。本算法主要是采用等價劃分以及容差關(guān)系在屬性空間上對決策表分解，再根據(jù)置信度和決策熵判斷每條決

3、策規(guī)則中屬性值是否該刪除，從而得到了最終的規(guī)則集，并通過實例分析詳細地闡述了算法的思想。
　　 本文仿真實驗平臺是基于重慶郵電大學(xué)計算機科學(xué)與技術(shù)研究所開發(fā)的RIDAS系統(tǒng)，通過對本算法的仿真實驗，可知算法最終結(jié)果在正確識別率上接近已有規(guī)則獲取算法的識別率，并且運行時間較低。以及與啟發(fā)式值約簡算法和基于決策矩陣的值約簡算法的對比實驗，可以驗證本文算法是一種可行的值約簡方法，接著，對Pima數(shù)據(jù)集得到的部分決策規(guī)則集進行實際意義的