基于rs理论的决策信息系统数据约简研究

《基于rs理论的决策信息系统数据约简研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级UDC学位论文基于RS理论的决策信息系统数据约简研究(题名和副题名)熊进林(作者姓名)指导教师姓名王晓斌副教授电子科技大学成都(职务、职称、学位、单位名称及地址)申请学位级别石页士_专业名称软件工程论文提交日期2008.3论文答辩日期2008.5学位授予单位和日期电子科技大学答辩委员会主席评阅人2008年弓月了日注1:注明《国际十进分类法UDC》的类号摘要摘要粗糙集理论是1982年由z.Pawlak教授提出的处理含糊和不确定性问题的新型数学工具，关于它的理论及应用研究已经成为国内外的热点。它被广泛地应用于知识发现、数据约简、决策支持、分类、模式识别等领域，并且己经被证实是非常

2、有效的。在决策系统以及其它智能系统中，随着获取的知识不断地增加，系统中的数据量也越来越大，但是这些数据并不都是对我们作出决策是有用的，如何尽量多的约简掉不必要的数据，而又不影响系统原有的决策功能就成为鱼待解决的问题。而粗糙集理论正是解决此问题的有效途径。本文就粗糙集理论在决策信息系统中的数据约简方法进行了研究，采用了理论联系实际的研究方法。粗糙集理论中属性重要度没有统一的定义，本文在对粗糙集理论研究的基础上提出了用函数fa(a)作为属性重要度大小的度量，并给出了基于该函数的启发式约简方法，经实例分析证明是可行的。针对实践中遇到的决策表通常都是不一致的，而针对不一致决策表的数据约简一直没

3、有很好的方法可用的问题，本文在分析实践中一些不一致决策表数据特点的基础上，提出了松散依赖度的概念，它降低了经典粗糙集理论中依赖度定义的苛刻要求，并在松散依赖度概念的基础上给出了决策表中条件属性冗余与约简的概念，并给出了求属性集约简的约简算法。理论研究和实例分析得出:基于松散依赖度的约简算法具有较好的容错能力和自主知识发现功能，提高了决策信息系统的适应能力。关键词:粗糙集，决策信息系统，数据约简，属性重要度，松散依赖度。户ABSTRACTABSTRACTRoughsettheory15initializedbyProfessorPawlakin1982.It15anewmathemati

4、ealtooltodealwithProblemsonvaguenessanduneertainty.TheresearehoftheoryandapPlieationshasbeeomeahotsPotathomeandabroed.TheaPPlicationofroughsetstheoryforknowledgediseovery，datareduetion，deeisionsuPPort，elassifieation，PatemreeognitionandothershaveProvedtobeaveryeffeetivenewmathernatiealaPProach.hi

5、deeisionsuPPortsysternsandotherinielligentsystems，withtheknowledgeaequiredgrowingrapidly，theamountofdatabeeomeslargerandlarger.Butnotallthedataareusefulforourdeeisionmaking.Howtoredueethedatathatareuselessandnotaffeetthedeeisionability15thecritiealProblemtoberesolved.Oneofthemosteffeetivewaytodo

6、that15usingroughsettheory.hitegratedthetheoryandthefaet，ourPaPerhasdonesomeresearchdeePlyonhowtouseRoughsettheorytoredueethedataindeeisionsuPPortsystems.InRoughsettheory，there15nounifieddefinitiononattributesignifieanee.OurPaperProPosestousethefunctionfB(a)asthemetrieofthedegreeProPertyimPortane

7、edegree，andgivesanaPProachonredueingthedatabasedonthefunetion.TheactualexamPleshaveProveditPractieable.WiththeProblemthatthedeeisiontableinPraetieearealwaysinconsistent，there15noagoodwaytodealwithuPtonow.OurPaperProPosesthee