粗糙集理論是一種處理不精確的,不確定和模糊知識的理論工具與方法,該理論在數(shù)據(jù)挖掘,人工智能,機器學習和模式識別等領域得到了廣泛地關注和應用。由于數(shù)據(jù)源的多樣性,客觀事物的不確定性和技術限制,有時較難獲取到精確的數(shù)據(jù),從而導致不完備信息系統(tǒng)的產(chǎn)生,集值信息系統(tǒng)作為單值信息系統(tǒng)的拓展,可用來處理不完備信息系統(tǒng)。本文以集值決策信息系統(tǒng)為研究對象,研究了集值決策信息系統(tǒng)的屬性約簡問題。但由于在大數(shù)據(jù)時代下,許多數(shù)據(jù)往往是動態(tài)變化的,使用靜態(tài)的約簡算法較難適應動態(tài)數(shù)據(jù)下的屬性約簡,因此,對于粗糙集的動態(tài)數(shù)據(jù)更新方法的研究有著重要的現(xiàn)實意義。在此情況下,本文研究了集值決策信息系統(tǒng)中屬性集增量式更新和對象增量式更新對屬性約簡的影響。本文主要研究了以下問題,并得到了一些創(chuàng)新性的結果:(1)針對集值決策信息系統(tǒng)的屬性約簡,建立了基于對象集的屬性約簡算法。將不完備決策表轉化為集值決策信息系統(tǒng),并詳細分析了集值決策信息系統(tǒng)下基于相似關系的分布約簡和最大分布約簡,通過利用可區(qū)分對象集的集對,計算極小析取范式求解出所有的分布約簡和最大分布約簡。(2)針對集值決策信息系統(tǒng)中屬性集的動態(tài)增加情況,通過引入條件信息量...

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

圖5.1屬性約簡增量機制Fig.5.1Incrementalmechanismofattributereduction

圖5.1屬性約簡增量機制Fig.5.1Incrementalmechanismofattributereduction

本文編號：4001083