基于概念格理論的粗集屬性約簡算法研究.pdf

1、歸納學習是機器學習最核心的一個分支，其主要目的是從大量的數(shù)據(jù)中歸納抽象出一般的規(guī)則和模式。由于冗余屬性會影響規(guī)則提取的時空性能和發(fā)現(xiàn)知識的質量，因此，在保持相同分類能力不變的前提下，約簡成為歸納學習的核心技術之一。粗糙集理論具有抗干擾性的優(yōu)點，所以現(xiàn)有的主要的約簡算法也均是基于粗糙集理論的，但時空性能、完備性都不盡人意。由于概念格的外延與粗糙集的等價類具有等價對應關系，本文從概念格的角度，研究基于概念格理論的粗集屬性約簡，主要工作如下：

2、 (1)在研究粗糙集與概念格理論的基礎上，本文提出了粗糙集等價類與概念格外延之間的等價定理、冗余屬性判定定理、基于格的蘊涵關系判定定理、潛約簡及其判定定理、決策表的一致性判定定理，并對以上定理均從理論上予以證明。 (2)基于以上有關粗糙集與概念格之間的關系定理以及與約簡有關的判定定理，本文提出了一種基于概念格理論的粗集屬性約簡算法ARCL；對ARCL算法性能進行了詳細的分析和比較，實驗表明ARCL算法比傳統(tǒng)的算法具有很大