基于覆盖粗糙集模型下的近似集动态更新方法研究

论文摘要

当信息系统中属性集动态变化的时候,经典粗糙集模型及扩展粗糙集模型下近似集的增量更新方法已有大量的研究成果,对各种粗糙集模型下的近似集增量更新研究的最终目的是如何高效地利用已有的知识来获取动态规则。本文在已有的成果基础上,利用等价关系、上近似集、下近似集和决策规则集之间的关系,提出了属性集变化时决策规则集动态增量更新方法,最后通过实例验证了该方法的有效性。在属性集变化时,更新覆盖粗糙集模型中近似集的传统方法是重新根据每一个属性的属性值形成覆盖元,从而每一个属性构成论域的一个覆盖。所有属性的覆盖合并一起构成论域的一簇新覆盖。因此,需要花费大量重复计算的时间来计算覆盖中对象的邻域。针对该问题,本文分别讨论属性增减时,通过对论域中对象邻域变化的研究,讨论了对象集的邻域与原有近似集之间的关系,给出了动态更新之后的近似集与原来近似集之间的相关定理,提出了在覆盖粗糙集模型中,属性增减时近似集动态更新方法。实验结果验证了该方法的有效性,而且效率优于原始的方法。到目前为止,国际上已经研制出了一些粗糙集工具软件,如Rosetta、ROSE、Rough Enough、LERS等。但是这些工具软件(例如Rosetta)是在经典粗糙集理论的基础上开发出来的。本文设计开发了基于覆盖粗糙集理论的知识发现工具软件。该工具软件操作性强,具有面向对象的特点。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文的研究背景及研究意义
• 1.2 国内外研究现状
• 1.2.1 粗糙集理论的研究现状
• 1.2.2 覆盖粗糙集模型的研究现状
• 1.2.3 基于粗糙集知识的动态增量更新的研究现状
• 1.3 本文的研究工作及组织结构
• 第2章 粗糙集理论
• 2.1 引言
• 2.2 粗糙集理论相关知识
• 2.2.1 粗糙集的基本定义
• 2.2.2 知识约简
• 2.2.3 决策规则的产生
• 2.3 覆盖广义粗糙集理论
• 2.3.1 覆盖广义粗糙集的基本定义
• 2.3.2 覆盖广义粗糙集的约简
• 2.4 本章小结
• 第3章 粗糙集中属性集变化时规则集动态增量更新方法
• 3.1 引言
• 3.2 相关知识
• 3.3 知识粗化细化
• 3.4 当属性集变化时所引起的决策规则集的变化
• 3.4.1 当属性增加删除时近似集的变化情况
• 3.4.2 当属性增加删除时决策规则集变化分析
• 3.5 当属性增加、删除时决策规则集增量更新方法
• 3.5.1 条件属性增加时决策规则集增量更新算法
• 3.5.2 条件属性删除时决策规则集增量更新算法
• 3.6 本章小结
• 第4章 基于覆盖粗糙集模型的近似集动态更新方法
• 4.1 引言
• 4.2 相关知识
• 4.3 属性集变化时近似集的性质分析
• 4.4 属性集变化时近似集增量更新方法
• 4.5 算法思想及其描述
• 4.5.1 属性增加时近似集增量更新算法
• 4.5.2 实验测试及其分析
• 4.5.3 属性减少时近似集动态增量更新算法
• 4.5.4 实验测试及其分析
• 4.6 本章小结
• 第5章 基于覆盖广义粗糙集理论的知识获取系统
• 5.1 系统需求分析
• 5.2 系统功能分析
• 5.3 系统相关算法描述
• 5.4 系统的实现
• 5.5 本章小结
• 结论
• 致谢
• 参考文献