基于粗糙集的并行約簡研究.pdf

1、粗糙集理論是數據挖掘的重要工具,也是粒計算理論的一個重要分支。經典粗糙集是由波蘭學者Pawlak于上世紀80年代提出來的。粗糙集理論通過對象間的不可區(qū)分關系(等價關系),為不完全和不充分信息的處理提供了一套系統(tǒng)的方法。當前粗糙集理論已經成為計算機科學、信息科學、人工智能等領域的研究熱點。
　　 知識約簡是粗糙集理論的重要應用,也是其核心問題之一。知識約簡是指在不改變整個數據集的分類能力的情況下,消去信息系統(tǒng)或者決策表中的冗余。由

2、于數據集本身的復雜性和傳統(tǒng)約簡方法的局限,在處理海量數據時,粗糙集理論沒有體現(xiàn)出它應有的活力。許多學者在知識約簡方法的改進上做了大量的探索。例如并行約簡的概念。
　　 并行約簡是近兩年出現(xiàn)的知識約簡研究的熱點,它利用并行計算的思想和方法,應用到基于粗糙集的數據挖掘當中。并行約簡的概念比較新,理論體系、方法和技術等均有待完善,目前還沒有一種高效的并行屬性約簡算法,值得研究和探索。本文圍繞基于粗糙集的并行約簡定義、性質的討論,對不同

3、形式的數據集進行子表抽樣,子表并行約簡和提取決策規(guī)則展開。
　　 論文所做的工作有:
　　 (1)針對不同的數據特點,引入相應的并行約簡定義,并進行局部的擴展和算法研究。本文一共定義了三種類型的并行約簡:基于正域的并行約簡、基于差別矩陣的并行約簡以及基于屬性重要度的并行約簡,并同時完成了這三種形式的并行約簡算法設計。
　　 (2)針對基于正域的并行約簡的條件限制,提出了變精度并行約簡概念,并對變精度并行約簡的性質