信息表屬性約簡若干問題新研究.pdf

1、粗糙集理論是一種能有效地分析和處理不精確、不一致、不完整等各種不確定性信息的數據分析工具。該方法近年日益受到國際學術界的重視，已經在模式識別、機器學習、決策支持、知識發(fā)現、故障診斷、預測建模等領域得到成功的應用。屬性約簡是粗糙集方法的核心問題之一，是粗糙集理論應用的關鍵技術，也是知識發(fā)現的重要研究課題，已成為一個備受關注的研究熱點。有效、快速的屬性約簡算法是粗糙集理論應用的基礎，也是粗糙集理論規(guī)模應用的保障。本文圍繞粗糙即理論的一個核心

2、問題即屬性約簡展開了三個方面的研究：信息表的屬性約簡、相容決策表即特殊信息表的屬性約簡、不相容決策表的屬性約簡。
　　 首先，在對區(qū)分能力大小研究的基礎上建立了一個用于指導信息表的絕對屬性約簡的粗糙集模型，同時在對區(qū)分能力和分類能力二者關系深入研究的基礎上提出了決策依賴區(qū)分精度新概念，該概念為用于指導決策表的相對屬性約簡的提供了一個新的判據，同時給出了區(qū)分精度、近似精度和決策依賴區(qū)分精度在屬性約簡過程中相互關系的研究結論，通過一

3、組對比實驗說明了決策依賴區(qū)分精度比近似精度對于分類能力的描述更細致客觀。
　　 其次，借助粗糙屬性向量樹提出了新的求全部屬性約簡的算法，通過理論分析說明了新算法的時間復雜度低于經典的基于差別矩陣求全部屬性約簡算法以及它的改進算法。對比實驗結果驗證了本文算法在運算效率上明顯高于基于差別矩陣求全部屬性約簡算法的改進算法。
　　 再次，Skowron的差別矩陣方法求不相容決策表屬性約簡會產生錯誤的結果，在一些文獻中通過改進差別

4、矩陣定義的方法來解決這個問題，并非十分理想，因為每生成一個差別矩陣元素前都要對兩個相關對象的相容性進行判斷增加了計算量，本文提出了新的解決辦法，即提出了將不相容決策表轉換為相容決策表的方法。
　　 最后，本文提出了新的簡化差別矩陣算法，該算法是采用桶排序的思想構造屬性桶，而后借助這個屬性桶在無需排序的情況下邊生成差別矩陣元素邊簡化差別矩陣，有效的加快了簡化差別矩陣的速度并且最終得到有序的簡化差別矩陣；同時，給出從屬性所在差別矩陣