基于粗糙集理論的有序信息表與分類問題研究.pdf

1、粗糙集理論是一種新型的處理含糊和不確定性知識的數(shù)學(xué)工具，它能夠分析隱藏在數(shù)據(jù)中的事實(shí)，且不需要關(guān)于數(shù)據(jù)的任何附加知識。該理論以其獨(dú)特的優(yōu)勢贏得越來越多的研究者的關(guān)注，并在各個領(lǐng)域得到了廣泛的應(yīng)用。本文的主要工作包括以下幾個方面： 基于偏序關(guān)系的粗糙集理論擴(kuò)展：在現(xiàn)有的研究成果中，已經(jīng)有著許多對粗糙集理論進(jìn)行的擴(kuò)展，如基于容差關(guān)系的擴(kuò)展，基于相似關(guān)系的擴(kuò)展等。研究針對Sai，Ying與Yao,Y．Y．提出的在有序信息表中進(jìn)行挖掘的

2、方法，提出了一種基于偏序關(guān)系的粗糙集理論框架，并可以在此框架下挖掘任何有序信息。算法分析與實(shí)驗(yàn)表明，該方法的復(fù)雜度是前述方法的1/n<'2>，其中n是域中所含的樣本數(shù)。 提出了連續(xù)屬性的一種離散化方法，指出與其他離散化方法的不同之處：離散化算法應(yīng)是與挖掘目標(biāo)息息相關(guān)的。研究和探討了分類問題中的屬性離散化方法，以分類精度和正域的勢來評估每一步離散化過程，并將評估結(jié)果進(jìn)行反饋，直至所有屬性的屬性值判斷完為止。 提出了一種在分