基于Rough Sets的增量式約簡算法研究.pdf

1、粗糙集理論是波蘭數(shù)學(xué)家Pawlak在1982年提出的一種處理不精確，不完備的模糊數(shù)據(jù)的數(shù)學(xué)工具，用來挖掘海量數(shù)據(jù)中隱含的決策和規(guī)則等潛在的關(guān)鍵信息。近年來，粗糙集理論在國內(nèi)外研究中取得了巨大的進(jìn)展，在機(jī)器學(xué)習(xí)，知識獲取，決策分析，模式識別等眾多重要領(lǐng)域有著廣泛的應(yīng)用。
　　知識約簡是粗糙集理論研究的重要內(nèi)容。約簡可以減小數(shù)據(jù)規(guī)模、降低數(shù)據(jù)維度，在當(dāng)今知識爆炸的時代背景下顯得尤為重要?，F(xiàn)有的許多約簡算法都是基于靜態(tài)數(shù)據(jù)的，無法滿足現(xiàn)

2、實(shí)中數(shù)據(jù)動態(tài)增加的需求，因此討論和探索增量式的約簡算法具有重要的理論意義和應(yīng)用價值。
　　本文在粗糙集理論的體系下，對增量屬性約簡進(jìn)行了深入研究，主要工作如下:
　　(1)對基于分辨矩陣的增量屬性約簡算法進(jìn)行深入研究，分析三種典型算法的原理，并分別給出它們的優(yōu)勢與不足，為增量約簡算法在實(shí)際中的應(yīng)用提供了一定的理論指導(dǎo)。
　　(2)從信息論的觀點(diǎn)出發(fā)，建立對象動態(tài)增加情況下條件熵的變化機(jī)制，根據(jù)決策表更新前后約簡屬性對新