資源描述：
《基于區(qū)分矩陣的屬性約簡(jiǎn)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、聲明本人鄭重聲明:所呈交的學(xué)位論文,是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的科研成果。對(duì)木文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文屮以明確方式標(biāo)明。本聲明的法律責(zé)任曲本人承擔(dān)。作者簽名：FI期：關(guān)于學(xué)位論文使用權(quán)的說(shuō)明本人完全了解太原科技大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括:①學(xué)校冇權(quán)保管、并向冇關(guān)部門(mén)送交學(xué)位論文的原件、復(fù)印件與電子版;②學(xué)?？梢圆捎糜坝 ⒖s印或其它復(fù)制手段復(fù)制并保存學(xué)位論文;③學(xué)?？稍试S學(xué)位論文被查閱或借閱;④學(xué)校可以學(xué)術(shù)交流為口的，復(fù)制贈(zèng)送和交換
2、學(xué)位論文;⑤學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容（保密學(xué)位論文在解密后遵守此規(guī)定）。作者簽名：導(dǎo)師簽名：口期??？曰期:中文摘要?jiǎng)h㈣…㈣嘲M㈣Y1789514屈性約簡(jiǎn)是料糙集理論屮的重要研究?jī)?nèi)容2—,傳統(tǒng)的靜念屈性約簡(jiǎn)算法只能處理靜態(tài)的數(shù)掘集，然而現(xiàn)實(shí)世界中的數(shù)據(jù)是動(dòng)態(tài)變化的，因此增量式屬性約簡(jiǎn)方法的研究具有重要的理論和應(yīng)用價(jià)值。利用區(qū)分矩陣是屬性約簡(jiǎn)屮的一種有效途徑，木文利用信息向量來(lái)重新構(gòu)造區(qū)分矩陣,對(duì)增量式屬性約簡(jiǎn)方法進(jìn)行了研究，其主要工作如下：（1）基于區(qū)分矩陣的啟發(fā)式屈性約簡(jiǎn)算法。首先，重新定義了『F負(fù)信息向量，以及基于信息向量的區(qū)分矩陣;其次，給
3、出了一種正負(fù)信息向量的構(gòu)造及信息向量區(qū)分矩陣的構(gòu)造算法，并利用屬性頻度做為啟發(fā)條件，給出了一種屬性約簡(jiǎn)算法;最后,采用恒星光譜數(shù)據(jù),實(shí)驗(yàn)驗(yàn)證了屬性約簡(jiǎn)算法的『F確性和有效性。（2）基于區(qū)分矩陣的增量式屬性約簡(jiǎn)算法。在（1???的基礎(chǔ)上，針對(duì)數(shù)據(jù)集動(dòng)態(tài)變化，通過(guò)分析『F負(fù)域、信息向量及屈性約簡(jiǎn)，給出了一種增最式屈性約簡(jiǎn)算法，并采用恒星光譜數(shù)據(jù)，實(shí)驗(yàn)驗(yàn)證了該算法的詐確性和冇效性。關(guān)鍵字:信息向量;區(qū)分矩陣;屈性約簡(jiǎn);屈性頻度;等價(jià)類(lèi)ABSTRACTAttributesreductionisoneofimportantcontentsinroughsettheor
4、y.Mosttraditionalstaticattributereductionalgorithmscanonlyhandlestaticdatasets,butthedataintherealworldisdynamic-Therefore,researchonincrementalreductionmethodshasimportanttheoreticalandpracticalvalue.Discernibilitymatrixisonekindofeffectivewaysofattributereduction.Inthispaperincie
5、mentalalgorilhmsofattributereductionbasedondiscernibilitymatrixarestudiedbyusinginformationvectoiloreconstructthediscernibilitymatrix?lhe。一一'一THmainresearchworkcanbesummarizedasfollows:（1、）Aheuristicalgorithmofat???ributereductionbasedondiscernibilitymatrixispresented.First,thepos
6、itiveandnegativeinformationvectorandthediscernibilitymatrixbasedoninformationvectorareredefined.Second,thealgorithmsofconstructingpositiveandnegativeinformationvectorandconstructinginformationvectormatrixaregiven,andanattributereductionalgorithmispresentedbyusingoffrequencyofattrib
7、uteasheuristiccondition?Intheend.experimentsvalidatethecorrectnessandefficiencyofthealgorithmbyusingstarspectradata.f2）Anincrementalalgorithmofattributereductionbasedonthediscernibilitymatrixispresentd.Basedontheabovealgorithm,anincrementalattributereductionalgorithmispresentedbyan
8、alyzingthepositiveandnegat
