基于粗糙集理论的不完备决策系统数据挖掘方法研究

论文摘要

粗糙集理论是20世纪80年代初由波兰数学家首先提出的一种刻画不确定和不完备知识的数学工具,能有效地分析和处理不精确、不一致、不完整等各种信息,并从中发现隐含的知识,揭示潜在的规律。经典粗糙集理论以完备系统为研究对象,以等价关系为基础,通过等价关系将论域划分为互不相交的等价类;然而,在现实生活中,由于数据测量的误差,对数据理解或获取的限制等原因,使得在知识获取时往往面临的是不完备系统,即可能存在部分对象的一些属性值未知的情况,这就极大地限制了粗糙集理论向实用化方向发展。因此,如何从不完备决策系统中应用粗糙集理论获取知识己经成为当前的一个重要研究课题。本文首先综述了数据挖掘的原理和现状,从数据挖掘和知识分类的角度出发,探讨了数据挖掘的相关概念、工作步骤和关键技术。深入分析了粗糙集的基本理论以及粗糙集理论在不完备系统中的拓展。然后基于相容关系研究了把信息论和集合论应用于不完备决策系统属性约简的方法,以及粗糙集理论与遗传算法相结合的不完备决策系统属性约简算法,通过实验数据验证所提出的约简算法,得到不完备决策系统相对应的约简结果。接下来研究了在属性约简后的决策表中提取最优规则的算法并通过实例分析验证了算法的正确性。本文最后设计和开发一个基于粗糙集理论的不完备决策系统的数据挖掘模型,应用本文算法进行属性约简和最优规则提取,部分实现该模型的功能。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 数据挖掘概述
• 1.2.1 数据挖掘的定义
• 1.2.2 数据挖掘的目的
• 1.2.3 数据挖掘的方法
• 1.2.4 数据挖掘的步骤
• 1.2.5 数据挖掘发展概述
• 1.3 粗糙集理论概述
• 1.4 不完备信息处理的研究现状及分析
• 1.5 本文的工作
• 1.6 本文的组织
• 第二章 粗糙集理论
• 2.1 知识分类
• 2.2 信息系统与决策表
• 2.2.1 信息系统
• 2.2.2 决策表
• 2.3 不精确范畴，粗糙集与上、下近似集
• 2.4 近似分类和近似分类质量
• 2.5 知识的依赖性与知识约简
• 2.5.1 信息系统的知识约简
• 2.5.2 决策表的知识约简
• 2.5.3 知识依赖度与分类精度
• 2.5.4 信息论观点与条件熵
• 2.5.5 决策规则与确定性因子
• 2.6 本章小结
• 第三章 不完备系统中的粗糙集理论
• 3.1 不完备信息
• 3.1.1 空值定义及产生原因
• 3.1.2 空值的常见处理方法
• 3.2 不完备系统中的粗糙集模型拓展
• 3.2.1 相容关系
• 3.2.2 相似关系
• 3.2.3 一般二元关系
• 3.3 不完备系统的知识约简
• 3.3.1 广义决策函数
• 3.3.2 属性约简和广义决策函数
• 3.3.3 区分函数
• 3.4 本章小结
• 第四章 基于条件信息熵的不完备决策表属性约简
• 4.1 概述
• 4.2 相容关系下知识的信息熵与条件信息量度量
• 4.3 属性重要性的信息量表示
• 4.4 基于条件信息量的属性约简算法
• 4.5 基于条件信息熵的属性约简算法
• 4.6 实例分析
• 4.7 本章小结
• 第五章 基于遗传算法的不完备决策表属性约简
• 5.1 概述
• 5.2 遗传算法基本原理
• 5.3 遗传算法参数选择及基本操作
• 5.3.1 种群规模
• 5.3.2 适应度函数
• 5.3.3 选择操作
• 5.3.4 交叉操作
• 5.3.5 变异操作
• 5.4 基于遗传算法的不完备决策表属性约简算法
• 5.4.1 编码机制
• 5.4.2 适应度函数设计
• 5.4.3 选择算子设计
• 5.4.4 改进的自适应交叉算子与变异算子
• 5.4.5 最优个体保存
• 5.4.6 算法终止条件
• 5.4.7 算法描述
• 5.5 实例分析
• 5.6 本章小结
• 第六章 不完备决策系统的最优规则提取
• 6.1 基本概念
• 6.2 算法描述
• 6.3 实例分析
• 6.4 本章小结
• 第七章 不完备决策系统的数据挖掘模型
• 7.1 引言
• 7.2 数据挖掘模型的系统设计
• 7.3 模块功能简介
• 7.3.1 数据预处理模块
• 7.3.2 属性约简模块
• 7.3.3 规则提取模块
• 7.4 数据挖掘模型的流程图
• 7.5 本章小结
• 第八章 结论与展望
• 8.1 主要工作及创新点
• 8.2 展望
• 参考文献
• 致谢
• 附录A（攻读硕士学位期间发表录用的论文）
• 详细摘要