基于优越关系属性约简方法的研究

《基于优越关系属性约简方法的研究》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、１０６７０分类编号：单位代１２０１５１００００２密级：学号：硕士学位论文⑩论文题目：基于优越关系属性约简方法的研究ＴｈｅＲｅｓｅａｒｃｈｏｆＡｔｔｒｉｂｕｔｅＲｅｄｕｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＳｕｅｒｉｏｒＲｅｌａｔｉｏｎｓｈｉｐｐ作者姓名：冯哗明指导教师：王长忠教授专业名称：应用数学研究方向：数据挖掘２０１５级学院年级：数理学院１８完成日期：２０年６月渤海大学研究生学院ＶＷ基于优越关系属性约简方法的研究[摘

2、要]当今社会，信息技术高速发展，大数据的应用越来越广泛，各种数据已经渗透到社会的各行各业。因此，海量的数据成为了当今社会最具价值的一种财富，大量企业为了通过进行数据处理来创造新的价值，开始建构自己的数据仓库。但信息量的不断增加直接导致了信息处理成本的日益攀升。那么，如何准确的分析和处理高维数据成为了新的研究热点。而属性约简作为一种处理数据不确定性的方法，引起了学者们的广泛关注，它能够通过删除所研究数据中的冗余特征，保留必要特征，以此来保持系统的分类能力不变的方式来高效处理高维数据。在使用数据前先

3、进行属性约简，可以有效的简化高维数据的处理过程，并从数据中获取有用的信息。本文给出了几种新型优越关系模型，对该模型的特性做了进一步的研究，并针对这几种模型分别定义了决策属性的下近似、正域等概念，进一步构造出依赖度函数，用该函数来反应属性子集的分类能力。在实验过程中发现，普通的优越关系在进行样本优越性比较时，存在与实际情况不相符的弊端，这是因为在多个属性下进行比较求交集的过程中，需要两个样本在所有属性上优越性一致才能得出结果。为此，本文采用转置求和的方式代替了传统的求交集的方法，并重新定义了决策属

4、性的下近似，依赖度函数，属性重要度等概念。通过数值实验验证了本文算法对于属性约简的有效性。[关键词]:属性约简；模糊粗糙集；优越关系ITHERESEARCHOFATTRIBUTEREDUCTIONMETHODBASEDONSUPERIORRELATIONSHIPABSTRCTNowadays,withtherapiddevelopmentofinformationtechnology,theapplicationofbigdatahasbecomemoreandmoreextensive.Var

5、iousdatahavepenetratedintoallwalksoflifeinsociety.Asaresult,massivedatahasbecomethemostvaluableassetintoday'ssociety.Manycompaniesstartedtobuildtheirowndatabaseinordertocreatenewvaluethroughdataprocessing.However,thecontinuousincreaseintheamountofinf

6、ormationhasdirectlyledtotherisingcostofinformationprocessing.Therefore,howtoaccuratelyanalyzeandprocesshigh-dimensionaldatahasbecomeanewresearchhotspot.Attributereduction,asamethodtodealwiththeuncertaintyofdata,hasarousedwidespreadconcernofscholars.I

7、tcanefficientlyprocesshigh-dimensionaldatabydeletingtheredundantfeaturesintheresearchdataretainingthenecessaryfeatures,andkeepingtheclassificationabilityofthesystemunchanged.Usingattributereductionbeforeusingdatacaneffectivelysimplifytheprocessofhigh

8、-dimensionaldataandobtainvaluableinformationfromthedata.Inthispaper,severalnewsuperiorrelationshipmodelsaregiven,andthecharacteristicsofthemodelarefurtherstudied.Fortheseseveralmodels,theconceptsofthelowerapproximationandpositivedomainofthedecisionat