基于粗糙集和模糊集理论的属性约简算法研究

论文摘要

属性约简算法的研究一直以来都是数据挖掘领域最核心的问题,是企业进行决策知识获取的关键技术。然而,现有的属性约简算法无论是在算法的效率上,算法的存储上,还是在算法的应用范围上都有待深入的研究。一旦在算法的研究上有所突破,势必大大推动数据挖掘技术在实际中的应用,提高企业的决策效率。本文深入分析和研究了粗糙集和模糊集理论在属性知识获取方面的研究成果,得出了将两者相结合进行属性约简时,具有更好的有效性的结论;在对粗糙集理论和模糊集理论中决策表约简算法进行深入分析的基础上,针对基于差别矩阵的启发式属性约简算法和基于模糊粗糙集的快速属性约简算法,提出了一种能更有效降低复杂度的约简策略;利用离散属性决策表常用的属性约简方法,将差别矩阵的属性约简与之结合,设计了一个能有效减少存储空间、并能扩展对不相容决策表进行有效支持的改进算法;在对连续属性决策表属性约简方面,本文也进行了相应的研究,给出了一个快速属性约简算法的改进措施,减少了原算法计算次数;同时,对大量的UCI数据集进行了实验测试,从而进一步说明了改进算法的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 概述
• 1.2 国内外研究状况
• 1.3 本文主要工作
• 1.4 本文组织结构
• 第2章 粗糙集与模糊集的基本理论
• 2.1 引言
• 2.2 粗糙集理论概述
• 2.2.1 知识的表达系统
• 2.2.2 决策表和决策规则
• 2.2.3 粗糙集理论基本定义
• 2.2.4 属性约简
• 2.2.5 连续属性离散化
• 2.3 模糊集理论概述
• 2.3.1 模糊集定义
• 2.3.2 模糊集的表示
• 2.3.3 模糊集的运算
• 2.3.4 模糊相似关系
• 2.4 粗糙集与模糊集的结合
• 2.4.1 粗糙集与模糊集的比较
• 2.4.2 粗糙集与模糊集的结合
• 2.5 本章小结
• 第3章 基于差别矩阵的启发式属性约简算法
• 3.1 引言
• 3.2 三种差别矩阵的定义与分析
• 3.2.1 三种差别矩阵的定义
• 3.2.2 三种差别矩阵的分析
• 3.3 基于差别矩阵的启发式属性约简算法
• 3.3.1 启发式属性约简思想
• 3.3.2 基于差别矩阵的启发式约简算法
• 3.4 AM-RASR 改进算法
• 3.4.1 改进方案分析
• 3.4.2 改进的求差别集算法
• 3.4.3 改进的AM-RASA 算法
• 3.5 试验
• 3.6 本章小结
• 第4章 模糊粗糙集的属性约简算法
• 4.1 引言
• 4.2 基本概念
• 4.2.1 基本定义
• 4.2.2 模糊粗糙隶属度
• 4.3 属性模糊化方法
• 4.3.1 模糊聚类的属性模糊化
• 4.3.2 复合属性的模糊化
• 4.4 模糊粗糙集的属性约简算法
• 4.4.1 QuickReduct 算法
• 4.4.2 QuickReduct 算法的改进方案
• 4.4.3 改进的QuickReduct 算法
• 4.5 实验分析
• 4.5.1 实例分析
• 4.5.2 实验数据集分析
• 4.6 本章小结
• 结论
• 1. 本课题所做的工作
• 2.下一步的工作
• 参考文献
• 攻读学位期间所术发表的学论文目录
• 致谢