学位论文 > 优秀研究生学位论文题录展示

粗糙集与模糊粗糙集属性约简算法研究

作　者: 李伟涛
导　师: 刘琼荪
学　校: 重庆大学
专　业: 应用数学
关键词: 粗糙集模糊粗糙集属性约简差别矩阵
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 253次
引　用: 1次
阅　读: 论文下载

内容摘要

粗糙集(Rough Set)理论是一种主要处理不完整、不确定知识的数学工具,是1982年由波兰数学家Z.Pawlak最早提出的。目前,粗糙集理论已广泛应用于数据处理、智能控制、决策分析等领域。粗糙集属性约简是粗糙集理论研究的核心内容之一,有许多学者致力于属性约简算法的研究。人们研究的重点是以属性重要度作为启发式信息的属性约简算法。为此本文定义了一种新的属性重要度,在此基础上,给出了粗糙集属性约简的一种新算法。另外由于粗糙集的属性约简结果一般不唯一。许多属性约简算法将约简结果的评判标准定为约简后属性数最少,或者是得到的规则最简,或约简量最大。但属性子集中各个属性间的相关性也很重要。基于这种思想,本文采用属性相关性去衡量属性子集中属性间的相关程度,并选择平均相关性最小的属性集为最佳约简结果。属性约简算法大都建立在条件属性对决策属性的信息量基础之上的,它们的出发点都是一样的,只是采用的标准有所不同。近年来,有些学者提出新的属性约简定义,即:基于系统熵的属性约简定义。他们认为只关心条件属性的分类能力是不够的,决策属性的分类能力也应该充分考虑。这种属性约简定义同时考虑到了条件属性和决策属性的分类能力,是一种较为周全的属性约简模型。本文从系统熵的角度出发,改进了原先的属性重要度定义,给出了新的属性重要性的度量方法,并构造了相应的启发式算法。模糊粗糙集是粗糙集的重要延伸。所以对模糊粗糙集属性约简的研究就显得十分有必要。本文提出一种基于系统熵的模糊粗糙集属性约简算法。最后,基于优势关系的粗糙集模型,是粗糙集的重要拓展。针对优势关系下的正域约简,本文提出一种改进算法,即差别矩阵法。它能得到和基于属性重要度算法一样的约简结果。

全文目录

中文摘要  3-4
英文摘要  4-7
1 绪论  7-12
  1.1 粗糙集理论的提出和发展历程  7-8
  1.2 粗糙集理论的研究现状及研究方向  8
  1.3 课题研究现状及意义  8-10
  1.4 本文的主要研究内容和结构安排  10-12
2 相关的粗糙集属性约简理论  12-22
  2.1 粗糙集的基本理论  12-15
    2.1.1 知识与不可区分关系  12-13
    2.1.2 上近似和下近似  13-14
    2.1.3 属性约简的定义  14-15
  2.2 基于差别矩阵的属性约简算法  15-16
  2.3 基于互信息的属性约简算法  16-18
  2.4 基于信息量的属性约简算法  18-19
  2.5 基于互信息的模糊粗糙集属性约简算法  19-22
3 基于属性相关性的属性约简算法  22-27
  3.1 相关概念  22-23
  3.2 基于分类能力的属性约简算法  23-25
    3.2.1 基于分类能力的算法  23-24
    3.2.2 实例分析  24-25
    3.2.3 一种获得最佳约简的方法  25
  3.3 小结  25-27
4 基于系统熵的（模糊）粗糙集属性约简算法  27-33
  4.1 前言  27
  4.2 预备知识  27-28
  4.3 基于系统熵的属性约简算法  28-29
    4.3.1 改进的属性重要性度量方法  28
    4.3.2 基于改进系统熵的启发式算法  28-29
  4.4 仿真实例和算法比较  29-30
  4.5 基于系统熵的模糊粗糙集属性约简  30-32
  4.6 小结  32-33
5 优势关系粗糙集属性约简的改进  33-39
  5.1 前言  33
  5.2 预备知识  33-34
  5.3 相关规则  34-35
  5.4 正域协调约简的差别矩阵方法  35-38
  5.5 小结  38-39
6 结论与展望  39-41
致谢  41-42
参考文献  42-45
附录  45
  A 作者在攻读学位期间发表的论文目录  45

粗糙集与模糊粗糙集属性约简算法研究

内容摘要

全文目录

相似论文