组合频率约简及动态约简对不一致决策表分类的方法

论文摘要

粗糙集(Rough Set，RS)理论，是继概率论、模糊集理论、证据理论之后的又一种新的处理不确定性信息的数学方法，能有效地分析和处理不精确、不完整、不一致等各种不完备数据，并从中发现隐含的知识，揭示潜在的规律。由于粗糙集理论对不确定问题研究的良好表现，使得它广泛应用于机器学习、知识获取、决策分析、数据挖掘、专家系统、决策支持系统、归纳推理、矛盾归结、模式识别等领域。我们知道，来自于不一致决策表的决策规则存在着不确定性，分类未知对象可能表现出多个不同地含义，使得人们无法确切地获得未知对象所代表的知识。然而，由于数据采集的定义、规范以及操作等方面的原因，所得到的决策表常常是不一致的。所以，如何消除或尽量降低不一致决策表的负面影响，成为信息系统知识发现和数据挖掘中的重要研究课题。本文以粗糙集理论为基础，提出组合频率约简及动态约简对不一致决策表分类的方法，并建立了测试系统对其有效性进行了验证。首先，频率约简利用统计理论与近似技术，能够最大限度的消除和压制不一致决策表的噪音和负面影响，对其中所蕴含的知识信息进行充分保留和挖掘。其次，动态约简利用其随机采样特性所带来的稳定性，能够克服标准粗糙集理论所计算的约简分类未知对象的不稳定的。因此，充分结合频率约简与动态约简两方面的优良特性，从而提高不一致决策表的分类质量和稳定性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 粗糙集理论的产生、发展及研究现状
• 1.2.1 粗糙集理论的研究现状
• 1.2.2 粗糙集的应用研究
• 1.3 研究动机、主要工作与内容安排
• 1.3.1 研究动机
• 1.3.2 主要工作
• 1.3.3 论文内容安排
• 第二章 粗糙集理论的基本概念及方法
• 2.1 粗糙集理论的基本概念
• 2.1.1 等价关系、等价类、集合上的划分
• 2.1.2 知识与知识库（Knowledge Base）
• 2.1.3 集合的下近似、上近似及边界区
• 2.1.4 知识的依赖性
• 2.1.5 近似精度
• 2.1.6 粗糙集中的隶属函数
• 2.2 信息系统、决策系统及其表示
• 2.2.1 信息函数与不分明关系
• 2.2.2 决策规则及其评估策略
• 2.2.3 决策规则的评估策略
• 2.2.4 决策表的一致性
• 2.3 约简与分明矩阵
• 2.3.1 信息系统的约简与核
• 2.3.2 属性的重要性
• 2.3.3 Skowron分明矩阵与分明函数
• 第三章 决策表的频率约简
• 决策约简（分布约简）'>3.1 （?）_决策约简（分布约简）
• 决策约简（最大分布约简）'>3.2 m_决策约简（最大分布约简）
• 决策约简（分配约简）'>3.3 μ_决策约简（分配约简）
• 3.4 权重分类法
• 第四章 决策表的动态约简
• 4.1 动态约简的定义
• 4.1.1 标准动态约简
• 4.1.2 动态约简
• 4.2 约简域
• 4.3 动态约简计算方法
• 4.4 从动态约简计算决策规则
• 4.5 动态规则的协商
• 第五章 组合频率约简与动态约简对不一致决策表分类
• 5.1 实验内容与基本流程
• 5.2 ROUGHTOOL分析系统介绍
• 5.3 实验简述
• 5.4 实验结果分析
• 5.5 结论
• 5.6 进一步工作
• 致谢
• 主要参考文献
• 附录