论文部分内容阅读
粗糙集理论是波兰数学家Z.Pawlak于1982年提出的一种处理含糊性和不确定性问题的数学工具,已成为计算机科学与技术领域中颇具挑战力的方向之一。粗糙集理论中关于知识发现、数据约简、决策支持、分类等领域的方法已被证实非常有效,并在现实生活中有许多有趣的应用。约简是粗集理论的重要内容,通过删除知识库中多余的属性集(值),来保留知识库中的重要知识,以提高知识的质量,方便用户决策。本文主要研究粗集理论中的属性约简和值约简这两类约简问题,具体工作如下:(1)概述了粗集理论的基本知识和研究动态,并针对现有的粗集理论中的属性约简和值约简算法作了描述和分析。(2)提出了一个新的属性约简算法ARIMC,该算法基于本文提出的改进的分辨矩阵IDM,利用核信息优化矩阵的构造,具有较好的时间性能,并由于能适用于不一致的系统,因而比现有仅能适用于一致系统的算法有明显改进。(3)在对分辨矩阵的构造过程加以改进的基础上,提出一种基于值核属性和吸收率优化的决策表属性值约简改进算法AVRIMC。实验表明,该算法在时间性能上有一定程度的提高。