信息系統(tǒng)中基于證據(jù)理論的屬性約簡【開題報告】

1、<p><b>　　畢業(yè)設計開題報告</b></p><p><b>　　信息與計算科學</b></p><p>　　信息系統(tǒng)中基于證據(jù)理論的屬性約簡</p><p>　　綜述本課題國內(nèi)外研究動態(tài), 說明選題的依據(jù)和意義</p><p>　　波蘭學者Pawlak[1]于1982年提出的粗糙

2、集(Rough Set, RS)理論[2,3,4]是一種刻畫不完整性和不確定性的數(shù)學工具, 能有效分析和處理不精確、不一致、不完整等各種不完備信息, 并從中發(fā)現(xiàn)隱含的知識, 揭示潛在的規(guī)律. 粗糙集理論是一種新的處理模糊和不確定知識的數(shù)學工具, 其主要思想是, 在保持信統(tǒng)的分類能力不變的前提下, 通過知識約簡, 導出問題的決策規(guī)則[5,6]或分類規(guī)則. 近20年來, 粗糙集論己經(jīng)在理論和應用上取得了長足的發(fā)展, 特別是由于20世紀90年

3、代在知識發(fā)現(xiàn)等領域得到了成功的應用而受到國際學術界廣泛關注, 基于Rough集方法的知識發(fā)現(xiàn)與知識約簡被許多專家所研究. 目前, 它正在被廣泛應用于機器學習、決策分析、過程控制、模式識別和數(shù)據(jù)挖掘等領域. 知識約簡是粗糙集理論的核心內(nèi)容之一. 對一個信息系統(tǒng)來說, 知識庫中屬性并不是同等重要的, 甚至其中某些屬性是冗余的. 所謂知識約簡就是在知識庫分類能力不變的條件下, 刪除其中不重要或不相關的屬性特別是, 當信息系統(tǒng)中的數(shù)據(jù)是隨機采集

4、時, 其冗余性更為普遍.</p><p>　　約簡是粗糙集用于數(shù)據(jù)分析的重要概念, 是粗糙集理論的核心內(nèi)容. 所謂屬性約簡, 就是在保持知識庫分類不變的條件下, 刪除其中不重要的知識. 屬性約簡作為數(shù)據(jù)挖掘的一個重要過程, 主要是為決策提供幫助的. 現(xiàn)實中, 數(shù)據(jù)庫中的各種決策表是非常復雜的, 比如說：不相容、不完備、模糊、值連續(xù)等.</p><p>　　D-S證據(jù)理論是人工智能中表示不確

5、定性的一種重要理論, 也是專家系統(tǒng)重要研究范疇.由于專家系統(tǒng)針對特定的專業(yè)領域, 對問題的求解不僅依賴于特定領域確定的理論知識, 而且更多地依賴于專家的經(jīng)驗和常識. 現(xiàn)實世界中客觀事物或現(xiàn)象常常存在著不確定性, 導致了人們對各認識領域中的信息和知識的認識大多是不精確的, 這就要求專家系統(tǒng)中的知識的表示和處理模式能夠反映出這種不確定性. 由于研究領域的不同, 對不確定性量度方法也不同, 因而提出了多種不確定推理理論與方法, 例如主觀Bay

6、es方法、確定性理論、粗集理論和證據(jù)理論等方法; 與主觀Bayes方法相比, 具有較大的靈活性. 它將概率論中的單點附值擴展為集合附值, 弱化了相應的公理系統(tǒng), 即滿足比概率更弱的要求, 可看作一種廣義概率論. 就具體推理方法而言, 對未知的表示也更接近人的思維習慣; 對信任函數(shù)的更新是通過合成規(guī)則來實現(xiàn), 這樣有利于各種信息的融合; 其規(guī)則式表現(xiàn)形式、透明的推理過程, 都適合機器的實現(xiàn), 因此在許多領域得到廣泛應用.</p>

7、;<p>　　一般地講, 一個信息系統(tǒng)的屬性不是唯一的, 人們希望找到具有最少屬性的約簡, 即最小約簡. 然而, 要找到一個信息系統(tǒng)的最小約簡是一個NP-hard問題. 不過, 在實際應用中, 要求得到相對屬性約簡就可以了. 許多研究人員己提出了屬性約簡算法. 利用可辨識屬性矩陣, 確定了信息系統(tǒng)的核心屬性和去掉絕對不必要屬性, 并給出一個由可辨識屬性矩陣求信息系統(tǒng)的一個約簡的簡便算法.</p><p&

8、gt;　　由于模糊集在處理帶有模糊的不確定性方面的問題時, 其優(yōu)勢明顯, 許多學者提出將證據(jù)理論與模糊集相結合, 利用二者的優(yōu)點來表示和處理不精確的和模糊的信息. Zadeh[7]是較早將D-S證據(jù)理論推廣到模糊集的學者之一, 隨后, Yager[8]等人也以不同的方式將D-S證據(jù)理論推廣到模糊集上. 本文首先定義了粗糙集、信息系統(tǒng)和證據(jù)理論的概念及屬性約簡, 然后談論了在信息系統(tǒng)、決策表中的約簡之間的關系.</p>&l

9、t;p>　　二、研究的基本內(nèi)容, 擬解決的主要問題</p><p>　　研究的基本內(nèi)容: 信息系統(tǒng)中基于證據(jù)理論的屬性約簡</p><p><b>　　解決的主要問題:</b></p><p>　　1.信息系統(tǒng)和決策表中的約簡、相對約簡、廣義約簡與信任和似然約簡之間的關系.</p><p>　　2.協(xié)調(diào)隨機決策信息

10、系統(tǒng)中的屬性約簡與不協(xié)調(diào)隨機決策信息系統(tǒng)中的屬性約簡的區(qū)別.</p><p>　　三、研究步驟、方法及措施</p><p><b>　　研究步驟: </b></p><p>　　1. 查閱收集相關資料;</p><p>　　2. 翻譯英文資料, 修改英文翻譯;</p><p>　　3. 仔細閱讀并

11、研究文獻資料, 撰寫文獻綜述;</p><p>　　4. 在老師指導下, 確定整個論文的思路, 列出論文提綱;</p><p>　　5. 開題報告通過后, 撰寫畢業(yè)論文初稿;</p><p>　　6. 上交論文初稿;</p><p>　　7. 反復修改論文;</p><p><b>　　8. 論文定稿.<

12、;/b></p><p>　　方法、措施: 通過到圖書館、上網(wǎng)等查閱收集資料, 參考相關內(nèi)容. 在老師指導下, 歸納整理各類問題. 與同組同學研究討論, 用數(shù)據(jù)調(diào)查結合文獻論證的方法來解決問題.</p><p><b>　　四、參考文獻</b></p><p>　　Pawlak Z. Rough sets [J]. Internation

13、al Journal of Computer Sciences, 1982, 11: 341~356.</p><p>　　張文修, 吳偉志. 粗糙集理論介紹和研究綜述 [J]. 模糊系統(tǒng)與數(shù)學, 2000, 15(4): 1~12.</p><p>　　王彪, 段禪倫, 吳昊, 宋永剛. 粗糙集與模糊集的研究及應用 [M]. 北京: 電子工業(yè)出版社. 2008.</p>&

14、lt;p>　　王國胤. Rough集理論與知識獲取 [M]. 西安: 西安交通大學出版社, 2001.</p><p>　　Ziarko W. Variable precision rough set model. Journal of Computer and System Sciences, 1993, 46: 39~59.</p><p>　　Pawlak Z. Rough S

15、ets: Theoretical Aspects of Reasoning about Data [M]. Boston: Kluwer Academic Publisher, 1991.</p><p>　　Zadeh L A. Fuzzy sets and systems. Proc. Symp. on Systems Theory, New York: Polytechnic Institute of Br