基于粗糙集知識的離散化方法和約簡算法的研究.pdf

1、粗糙集理論由波蘭科學家Z.Pawlak于1982年提出，是繼概率論、模糊集理論之后的又一個處理不確定性的數(shù)學工具。粗糙集理論建立在論域中的不可分辨關(guān)系之上，用上、下近似來描述概念，不依賴于所需處理的數(shù)據(jù)集合之外的任何先驗信息，就能對不精確、不確定、不完整的數(shù)據(jù)信息進行有效的處理。近年來，粗糙集理論在不少領(lǐng)域如數(shù)據(jù)挖掘、人工智能、模式識別、決策分析取得了很多成功的應(yīng)用。 連續(xù)數(shù)據(jù)離散化是粗糙集的重要問題之一。Z.Pawlak提出的

2、以不可分辨關(guān)系為核心的粗糙集方法處理的是離散屬性值，而實際生活中的數(shù)據(jù)大多數(shù)是連續(xù)的屬性值，因此需要首先對數(shù)據(jù)進行離散化處理，這已成為粗糙集理論實用性的瓶頸。離散化的本質(zhì)上可歸結(jié)為利用選取的斷點來對條件屬性構(gòu)成的空間進行劃分的問題，它是一個空間劃分和編碼優(yōu)化問題。本文首先介紹了多種離散化方法，重點探討了一種基于遺傳規(guī)則的離散化方法，在其基礎(chǔ)上通過對斷點重要性的判斷來改進遺傳中的基因變異，增加了修復(fù)操作保證了搜索時解的可行性，得到新的遺傳

3、離散算法。通過使用Iris數(shù)據(jù)集的測試實驗，驗證了改進后的算法的有效性。 屬性約簡是粗糙集理論的核心問題之一。屬性約簡在實際中有重要意義，化簡冗余屬性與范疇，保留最佳決策，可以大大提高數(shù)據(jù)處理的效率。Wong SKM和Ziarko W己經(jīng)證明屬性約簡和規(guī)則提取算法都是NP-hard問題。因此需要研究更為有效的簡化算法，所以如何有效地獲取較優(yōu)的屬性約簡，降低算法的時間復(fù)雜性，成為粗糙集理論研究的重點。現(xiàn)有的關(guān)于屬性約簡的文獻大部分

4、都是在基于分辨矩陣和基于屬性重要性兩種方法的基礎(chǔ)上提出來的，本文在探討了這兩種常見的方法之后，提出了一種結(jié)合模糊關(guān)系的粗糙集屬性約簡算法。通過引入了模糊關(guān)系和模糊集中的復(fù)合矩陣運算，用戶可以根據(jù)決策的需要和領(lǐng)域知識更改閾值，得到用戶滿意的屬性結(jié)果，通過在家庭用車的應(yīng)用實例驗證了算法的可行和有效。 最后在第六章近一步對粗糙集和模糊集理論進行結(jié)合、基于粗糙集理論的混合系統(tǒng)和粗糙集研究方法的討論，對未來在這一領(lǐng)域的研究工作進行了規(guī)劃和