啟發(fā)式屬性約簡(jiǎn)方法的研究與應(yīng)用.pdf

1、粗糙集理論是處理不一致、不完備和不精確信息的一種數(shù)學(xué)工具，具有不需先驗(yàn)信息的特點(diǎn)和優(yōu)勢(shì)，能夠直接對(duì)數(shù)據(jù)集進(jìn)行推理和分析，從而發(fā)現(xiàn)其中潛在的知識(shí)信息和推論。決策表系統(tǒng)的屬性約簡(jiǎn)是粗糙集理論中的一個(gè)核心研究?jī)?nèi)容。由于最優(yōu)屬性約簡(jiǎn)是NP難題，因此實(shí)際應(yīng)用的大多數(shù)屬性約簡(jiǎn)算法都只能根據(jù)啟發(fā)式信息來(lái)求取決策表系統(tǒng)的最優(yōu)或次優(yōu)約簡(jiǎn)。二進(jìn)制分辨矩陣是粗糙集理論中的一種重要的數(shù)據(jù)結(jié)構(gòu)，能夠較好地描述屬性對(duì)樣本的分類能力，因而在屬性約簡(jiǎn)算法中得到了廣泛應(yīng)

2、用。論文對(duì)基于二進(jìn)制分辨矩陣的啟發(fā)式屬性約簡(jiǎn)算法進(jìn)行了深入研究:
　　 首先，論文對(duì)二進(jìn)制分辨矩陣的特點(diǎn)及基于二進(jìn)制分辨矩陣的屬性重要性度量方式進(jìn)行了深入討論。
　　 然后，基于二進(jìn)制分辨矩陣，提出了“加權(quán)選擇概率”概念。這一概念充分利用了矩陣“行”與“列”方向的信息來(lái)度量屬性重要性，并將這兩個(gè)方向的特征按加權(quán)求和的方式集成為一個(gè)概念，從而避免了在屬性選擇過(guò)程中需要對(duì)“行”與“列”兩個(gè)方向的特征進(jìn)行獨(dú)立排序，有效減小了運(yùn)

3、算量。在此基礎(chǔ)上，提出一種改進(jìn)的屬性約簡(jiǎn)算法ABWSP。更進(jìn)一步，提出了“實(shí)際選擇概率”概念，“實(shí)際選擇概率”綜合利用了二進(jìn)制分辨矩陣的信息來(lái)度量屬性重要性，體現(xiàn)了“先列后行”的策略，克服了“加權(quán)選擇概率”對(duì)權(quán)重設(shè)置的依賴。在此基礎(chǔ)上，提出一種新的屬性約簡(jiǎn)算法ABRSP。仿真實(shí)驗(yàn)結(jié)果表明，兩個(gè)改進(jìn)算法都有效縮短了運(yùn)行時(shí)間，提升了約簡(jiǎn)系統(tǒng)的性能。
　　 最后，論文將改進(jìn)后的屬性約簡(jiǎn)算法應(yīng)用到學(xué)生期末成績(jī)的分析過(guò)程中，通過(guò)對(duì)成績(jī)表進(jìn)