基于RS理论的决策信息系统数据约简研究

论文摘要

粗糙集理论是1982年由Z.Pawlak教授提出的处理含糊和不确定性问题的新型数学工具,关于它的理论及应用研究已经成为国内外的热点。它被广泛地应用于知识发现、数据约简、决策支持、分类、模式识别等领域,并且已经被证实是非常有效的。在决策系统以及其它智能系统中,随着获取的知识不断地增加,系统中的数据量也越来越大,但是这些数据并不都是对我们作出决策是有用的,如何尽量多的约简掉不必要的数据,而又不影响系统原有的决策功能就成为亟待解决的问题。而粗糙集理论正是解决此问题的有效途径。本文就粗糙集理论在决策信息系统中的数据约简方法进行了研究,采用了理论联系实际的研究方法。粗糙集理论中属性重要度没有统一的定义,本文在对粗糙集理论研究的基础上提出了用函数f_B(a)作为属性重要度大小的度量,并给出了基于该函数的启发式约简方法,经实例分析证明是可行的。针对实践中遇到的决策表通常都是不一致的,而针对不一致决策表的数据约简一直没有很好的方法可用的问题,本文在分析实践中一些不一致决策表数据特点的基础上,提出了松散依赖度的概念,它降低了经典粗糙集理论中依赖度定义的苛刻要求,并在松散依赖度概念的基础上给出了决策表中条件属性冗余与约简的概念,并给出了求属性集约简的约简算法。理论研究和实例分析得出:基于松散依赖度的约简算法具有较好的容错能力和自主知识发现功能,提高了决策信息系统的适应能力。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 Rough集理论的研究现状
• 1.1.1 Rough集理论提出的背景
• 1.1.2 国内外Rough集理论学术研究动态
• 1.1.3 Rough集的应用
• 1.2 本文的主要内容与创新
• 1.3 本文的结构安排
• 第二章 Rough集理论基本概念
• 2.1 集合与关系
• 2.2 Rough集基本概念
• 2.2.1 知识的表达与决策表
• 2.2.2 Rough集
• 2.2.3 近似精度与距离函数
• 2.2.4 Rough集中的隶属函数
• 2.3 本章小结
• 第三章 决策信息系统的数据约简
• 3.1 信息表的绝对约简
• 3.1.1 信息系统及其表示
• 3.1.2 绝对约简
• 3.2 决策表的相对约简
• 3.2.1 决策表与信息表的不同
• 3.2.2 相对约简
• 3.3 决策信息系统的数据约简过程
• 3.3.1 数据的预处理
• 3.3.2 决策信息表的属性约简
• 3.3.3 决策信息表的属性值约简与规则提取
• 3.3.4 信息表中属性重要度研究
• 3.4 本章小结
• 第四章 一种不一致决策表的处理方法
• 4.1 实践中不一致决策表特点分析
• 4.2 松散依赖度的研究
• 4.2.1 松散依赖度的定义
• 4.2.2 基于松散依赖度的不一致决策表的属性约简方法
• 4.2.3 由松散依赖度给出的属性重要度定义
• 4.3 决策系统数据约简应用实例
• 4.4 松散依赖度的一些优点
• 4.5 本章小结
• 第五章 全文总结与今后工作
• 5.1 全文总结
• 5.2 今后工作
• 致谢
• 参考文献
• 在学期间的研究成果