決策粗糙集中屬性約簡和極小規(guī)則集獲取方法研究.pdf

1、粗糙集理論（Rough Set theory，RS）是由波蘭華沙理工大學(xué)Pawlak教授于上世紀80年代初提出的一種處理不精確(imprecise)、不一致(inconsistent)、不完整(incomplete)等各類不完備信息的有用的數(shù)據(jù)分析理論，其優(yōu)點之一就是不需要先驗知識。決策粗糙集作為經(jīng)典粗糙集模型的擴展，引入了概率包含關(guān)系，增加了粗糙集模型的容錯能力。
　　本文深入研究決策粗糙集中屬性約簡以及規(guī)則提取的相關(guān)理論和方法

2、，主要工作體現(xiàn)在以下兩個方面:
　　第一，在決策粗糙集中，正域不再隨著屬性的增加而增大，因此保持正域不變的約簡在決策粗糙集中已經(jīng)不再合適。本文針對保持全部對象正決策不發(fā)生改變的約簡定義，為了高效獲取約簡，設(shè)計了一種啟發(fā)式函數(shù)——決策重要度。這種啟發(fā)式函數(shù)能根據(jù)每個屬性正決策對象集合的大小來定義其重要性，正決策對象集合越大表示屬性重要性越高。然后，以決策重要度為啟發(fā)函數(shù)，構(gòu)造了一種啟發(fā)式屬性約簡算法。該算法的優(yōu)點是通過對屬性決策重要

3、度進行排序來確定搜索方向，避免了屬性的組合計算，減少了計算量，能夠找出一個較小的約簡集。測驗結(jié)果表明，該方法是有效的，能夠獲得較好的約簡效果。
　　第二，從約簡后的數(shù)據(jù)中獲取決策規(guī)則，把提取的極小規(guī)則集用作分類器，可以更好地預(yù)測數(shù)據(jù)。本文通過使用規(guī)則的出現(xiàn)頻率作為啟發(fā)式信息，利用吸收律從合取范式中求規(guī)則集的約簡，給出了求極小規(guī)則集的一種啟發(fā)式算法。該算法可以快速的獲取一個極小規(guī)則集。實驗表明，該算法具有較高的效率，可以在實際應(yīng)用中