基于粗糙集的分類知識發(fā)現(xiàn)方法及其應(yīng)用研究.pdf

1、作為知識發(fā)現(xiàn)的重要研究分支，數(shù)據(jù)分類在商務(wù)決策中發(fā)揮著日益重要的作用，本文從知識發(fā)現(xiàn)的角度對基于特定的準則對現(xiàn)有數(shù)據(jù)、信息進行分類研究的方法作了大致概括與評價，介紹了當前知識發(fā)現(xiàn)、分類研究及粗糙集的分類研究的主要成果及研究現(xiàn)狀，并在此基礎(chǔ)上按照決策表分類知識發(fā)現(xiàn)的步驟展開全文基于粗糙集的分類知識發(fā)現(xiàn)的研究。 本文將數(shù)據(jù)預(yù)處理工作單列一章進行討論，主要包括信息系統(tǒng)的決策表表示方式，原始決策表中的冗余與不一致數(shù)據(jù)的清理以及連續(xù)數(shù)據(jù)的

2、離散化等數(shù)據(jù)預(yù)處理技術(shù).將支持度的思想引入粗糙集等價矩陣的定義當中，構(gòu)造增廣等價矩陣，并基于此增廣等價矩陣分別針對決策表中的冗余對象和不相容對象設(shè)計了兩個數(shù)據(jù)凈化算法，在提高數(shù)據(jù)清理的有效性的同時最大限度地降低數(shù)據(jù)清理對決策表的破壞，避免原始決策表重要信息丟失；其次，將基于信息熵的屬性重要性引入粗糙集的可辨別矩陣構(gòu)造過程，針對含有多個連續(xù)屬性值的決策表給出精確離散化算法，充分保留決策表的一致性。同時，為克服精確離散化切點對不同訓(xùn)練子集的

3、選取和不同的離散化技術(shù)過于敏感的難題，在精確離散的基礎(chǔ)上給出了利用精確切點區(qū)間分別構(gòu)造精確離散區(qū)間和模糊離散區(qū)間的算法。 在決策表的條件屬性約簡方面，本文區(qū)分對待決策表對象較少與較多兩種情形提出兩種改進的粗糙集的屬性約簡的方法。針對較少對象的一般決策表，由決策表的核開始，給出了的基于信息熵和相對可辨別矩陣的屬性約簡的啟發(fā)式搜索算法，達到縮小搜索空間，減少計算量的目的，利用信息熵和近似分類質(zhì)量的特點，充分考慮條件屬性間的聯(lián)系；其次

4、，針對大數(shù)據(jù)集決策表，即決策表中對象過多時，本文將基于擴張矩陣決策表屬性約簡問題轉(zhuǎn)化為規(guī)劃問題，并提出免疫算法進行規(guī)劃模型的求解方法，具體方法是以基于信息熵的屬性重要性和粗糙集的近似分類質(zhì)量求出決策表的核與擴張矩陣，然后以基于離差的免疫算法代替通常的基于信息熵的免疫算法，求出規(guī)劃問題的解，即決策表的屬性約簡結(jié)果，用于降低分類知識發(fā)現(xiàn)中決策表中的冗余與不相關(guān)的屬性對挖掘質(zhì)量的破壞，減少要處理的數(shù)據(jù)量，簡化分類器，從而減輕數(shù)據(jù)噪聲的影響，提

5、高泛化性能。 在決策表的規(guī)則獲取方面，改進了粗糙集視野下的一般規(guī)則獲取，提出了連續(xù)型條件屬性的規(guī)則合并，探討了分類的概率規(guī)則獲取以及決策解釋等內(nèi)容。首先，給出基于決策類核屬性的值約簡的包裝算法和基于等價矩陣的兩種改進的分類規(guī)則獲取算法，其中，基于決策類核屬性的分類規(guī)則獲取的值約簡算法，保證了生成的規(guī)則形式整齊，層次分明，便于檢索；其次，對于具有連續(xù)的數(shù)值型取值的條件屬性，在不降低精確度的前提下，提出針對決策類的分類規(guī)則合并算法，

6、在具有相同類標號的規(guī)則集合中合并連續(xù)條件屬性區(qū)間，這樣一方面不會導(dǎo)致矛盾規(guī)則的出現(xiàn)，保證了產(chǎn)生分類規(guī)則的精度，另一方面避開了后續(xù)的反復(fù)約簡及合并工作，簡化了計算，提高分類能力；另外，還探討了邊界區(qū)域的分類的概率規(guī)則獲取問題，以條件概率給出規(guī)則的置信度、覆蓋度、支持度定義，利用Bayes理論進行決策解釋，提出基于粗糙集Bayes理論的決策建議的解釋算法，并通過供應(yīng)鏈需求集成分析應(yīng)用案例分析，以計算結(jié)果對比證明了本文算法的有效性。

7、將本文給出的分類知識發(fā)現(xiàn)方法應(yīng)用到供應(yīng)鏈管理的實踐操作當中，主要探討基于分類方法的供應(yīng)鏈需求趨勢預(yù)測問題，把基于改進的粗糙集的分類方法引入供應(yīng)鏈需求預(yù)測過程，從供應(yīng)鏈企業(yè)以往需求預(yù)測經(jīng)驗中挖掘出其需求趨勢變化與當時的經(jīng)濟、社會、文化等背景之間關(guān)系的“預(yù)測知識”，并以此知識指導(dǎo)未來的需求預(yù)測。針對條件屬性層次性較強的情形，本文還提出一種條件屬性的合并方法，用來代替通常的決策表屬性約簡，以突變級數(shù)評價法改進粗糙集在屬性約簡方面的弊端，以基于