大數(shù)據(jù)下動態(tài)信息系統(tǒng)約簡理論及應用.pdf

1、大數(shù)據(jù)中的信息系統(tǒng)是近幾年信息領域研究的主要對象之一，因其數(shù)據(jù)量巨大的特點使得傳統(tǒng)方法難以快速，實時的響應用戶的計算要求.同時，在信息系統(tǒng)中進行知識發(fā)現(xiàn)，規(guī)則提取是實現(xiàn)人工智能，數(shù)據(jù)挖掘，決策預測的重要步驟.粗糙集和模糊集作為解決不確定性問題的兩大理論工具已在其中取得了一定的成果，然而現(xiàn)實生活中多樣化的數(shù)據(jù)類型，復雜的關系結構，頻繁快速的信息更新都迫使這些理論必須進一步擴展才能滿足要求.覆蓋粗糙集作為Pawlak粗糙集的擴展之一，當信息

2、系統(tǒng)中有缺失值時仍能保持系統(tǒng)中知識的完整性，從而在現(xiàn)實應用中廣泛被使用，但面對大數(shù)據(jù)時如何快速計算上、下近似和約簡仍然是棘手的問題.信息系統(tǒng)的同態(tài)在保持了兩個信息系統(tǒng)之間等價特性的同時，可獲得一個相對原系統(tǒng)較小的鏡像系統(tǒng)，這為解決大數(shù)據(jù)下信息系統(tǒng)中的計算問題提供了一個新思路.
　　本文以覆蓋粗糙集和信息系統(tǒng)同態(tài)為理論依據(jù)，結合信息系統(tǒng)動態(tài)變化的特性為背景，使用增量算法為工具，針對大數(shù)據(jù)下信息系統(tǒng)中的知識發(fā)現(xiàn)和約簡問題展開了研究，并

3、取得了以下成果:
　　(1)系統(tǒng)的分析了覆蓋粗糙集中多個上、下近似算子，總結了基于集合理論的各算子之間的關系，給出了基于特征矩陣的兩類上、下近似算子的定義及運算規(guī)則.分別給出了基于集合理論和特征矩陣計算第二型、第六型上、下近似的非增量算法.系統(tǒng)分析了覆蓋信息系統(tǒng)的動態(tài)變化特性，給出了幾種基本的動態(tài)覆蓋近似空間.
　　(2)研究了動態(tài)覆蓋近似空間中屬性值變化時的動態(tài)特性，分析了特征矩陣相應的變化情況，給出了快速計算上、下近似的

4、方法并設計了相應的增量算法.通過程序隨機生成的覆蓋近似空間對算法進行了驗證，實驗結果證明了增量算法相對非增量算法有較好的效率.給出了一個實例說明了快速計算上、下近似給約簡帶來的便利.
　　(3)研究了對象增加，減少時對覆蓋近似空間的影響，給出了特征矩陣的變化情況及快速計算上、下近似的方法.為更好的與其他近似算子對比，進一步給出了基于集合理論和基于特征矩陣第二型、第六型上、下近似的增量算法.采用UCI和隨機數(shù)據(jù)集兩種方式，設計了數(shù)值

5、實驗進行了對比分析，不僅給出了基于特征矩陣的非增量算法優(yōu)于基于集合理論的非增量算法的實驗結果，還進一步證明了基于特征矩陣的增量算法是相對于其他算法來說是最優(yōu)的.
　　(4)基于信息系統(tǒng)同態(tài)，在模糊關系信息系統(tǒng)中進一步研究了相容函數(shù)的性質(zhì)，給出了最大相容函數(shù)的定義與其他相容函數(shù)之間的關系，并設計了構建同態(tài)的非增量算法.分析了信息系統(tǒng)動態(tài)變化時當增加或刪除模糊關系后同態(tài)的變化特性，給出了利用原同態(tài)快速構建新同態(tài)的方法，并設計了相應的增