基于分块差别矩阵的增量属性约简算法研究

【摘要】：求核和属性约简为粗糙集理论及其在各个领域中运用的重要研究内容之一,也是其核心问题之一。属性约简要求在所给决策表的分类能力和决策能力保持完全不变的条件下,删除决策表中的冗余属性,简化知识表示,缩小决策表的处理规模,提高系统处理的效率,在决策表对象属性发生变化时能快速精确地找到更新后的决策表的核及属性约简。现代大多数研究人员都采用先求出决策表的属性核,再利用启发式信息的算法对决策表进行属性约简。因此,如何设计出合理、高效、.快速的决策表求核算法和属性约简算法具有非常重要的研究意义。目前,很多学者针对决策表提出了多种求核算法和属性约简算法,以及增量式决策表的属性约简算法,然而这些算法主要适用于静态决策表的情况,当决策表中的数据增加,并有可能变得不一致时,求其核属性及属性约简的增量式更新算法不多。所以讨论和探索对象增加情况下的求核算法及属性约简算法具有很强的研究意义。本论文分析了相关国内外的研究现状,给出有关粗糙集的基础理论知识,阐述了决策表的属性约简和求核思想,在借鉴和总结前人研究成果的基础上,做出了如下几项主要工作：(1)讨论了决策表压缩与简化的方法,并证明了压缩简化决策表的相关性质,利用分类树的特点,提出了一种基于分类树的决策表压缩简化算法。(2)提出了运用分块差别矩阵的处理思路,设计了一种新的基于分块差别距阵的增量求核算法,针对增量对象的不同分析出四种可能情况,并给出相应的处理方法。(3)在增量求核算法的基础上,提出基于分块差别矩阵的增量属性约简算法,并通过理论分析和实验证明了该算法的高效可行性。
【关键词】：粗糙集 属性约简 求核算法 增量 决策表 分块差别矩阵
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18