基于粗糙集的不完備信息系統(tǒng)的處理方法的研究.pdf

1、本文以粗糙集理論為工具，不完備信息系統(tǒng)為對(duì)象，知識(shí)的獲取為目的，研究基于粗糙集理論對(duì)不完備信息系統(tǒng)進(jìn)行知識(shí)獲取的方法。具體內(nèi)容包括不完備信息系統(tǒng)中粗糙集擴(kuò)展模型的學(xué)習(xí)、缺失數(shù)據(jù)的填補(bǔ)和屬性的約簡(jiǎn)。主要內(nèi)容概括如下：
　　（1）介紹了目前不完備信息系統(tǒng)中缺失數(shù)據(jù)填補(bǔ)的研究現(xiàn)狀，對(duì)其中填補(bǔ)效果較好的ROUSTIDA算法進(jìn)行了分析，在此基礎(chǔ)上，提出了一種基于粗糙集雙聚類的缺失數(shù)據(jù)填補(bǔ)方法（MFBIB）。該方法利用雙聚類的特性弱化了對(duì)象之

2、間的容差關(guān)系，通過雙聚類完美簇的平均平方殘基為0，簇內(nèi)的屬性值波動(dòng)一致的特點(diǎn)，對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)。通過數(shù)學(xué)的分析，把尋找含有缺失值的最大完美簇的問題轉(zhuǎn)化為求解缺失對(duì)象與其它對(duì)象之間的最大相似屬性集的問題，進(jìn)而以在相同的最大相似屬性集下的缺失值的眾數(shù)作為填補(bǔ)值。采用四組UCI數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明MFBIB算法對(duì)比ROUSTIDA算法填補(bǔ)值平均更精確的比例是77.13％。
　　（2）介紹了不完備信息系統(tǒng)中兩種常見的屬性約簡(jiǎn)算法