基于Rough集论述数据约简探讨与运用

近年来，随着数据库技术的迅速发展以及数据库管理系统的广泛应用，企业的数据库中积累的数据越来越多。然而激增的数据背后隐藏着很多重要的信息，想要把所有的信息都进行分析和挖掘，是不明智也是不必要的。我们着重要做的，就是找到合适的算法，约简冗余的知识，提炼重要的数据。Rough集理论是由Pawlak教授于20世纪80年代初提出的一种用于处理不确定性和含糊性知识的数学工具，其基本思想是在保持分类能力不变的条件|教育论文网|下，通过知识约简，导出概念的分类规则。它无需提供相关数据集合外的任何先验信息，适合于发现数据中隐含的、潜在有用的规律，即知识，找出其内部数据的关联关系和特征。近年来，Rough集理论和应用取得了很大的成功，已成为软计算方法的重要分支。本文的主要研究工作如下：首先，本文先容了Rough集理论的基本情况、Rough集的基本概念和Rough集模型的扩展。其次，对Rough集理论的数据约简进行了进一步的研究，提出了一种不一致决策表的划分方法；接着结合概率统计知识对不一致决策表进行决策规则提取，该方法是在满足决策规则力度、肯定因子和覆盖因子的基础上对规则进行筛选，从而提高了决策的正确性和公道性；随后根据Rough集的属性重要性和约简理论提出教学质量的综合评价方法，它解决了教学质量评价指标的约简以及各评价指标权重的确定的问题。该方法有效消减了指标体系规模和削弱了设置权重的主观性。最后，将Rough集约简理论与神经网络进行结合，给出Rough集神经网络约简模型以及该模型的应用。【关键词】：Rough集不一致决策表属性约简人工神经网络
【论文提纲】：摘要3-4ABSTRACT4-7引言7-10第1章Rough集理论概述10-271.1Rough集理论的提出背景101.2Rough集理论的研究对象10-111.3Rough集理论的特点11-121.4Rough集的应用现状12-141.5Rough集的基本概念14-241.5.1知识与知识库14-201.5.2知识约简20-221.5.3信息系统与决策表22-241.6Rough集模型的扩展24-27第2章Rough集理论的数据约简27-432.1决策表中的数据约简27-292.2一种不一致决策表划分的方法29-322.3基于Rough集的概率统计方法的决策规则提取32-382.3.1支持度，力度，肯定因子和覆盖因子33-342.3.2决策规则提取实例34-382.4属性的重要性382.5基于Rough集理论的数据约简综合应用实例38-432.5.1教学质量综合评价指标体系38-392.5.2评价指标权重的确定方法39-402.5.3教学质量综合评价步骤402.5.4模拟实例40-43第3章Rough集约简理论在神经网络中应用的研究43-553.1神经网络理论43-443.2BP神经网络的基本原理44-453.3BP网络的算法实现45-483.4Rough人工神经网络约简模型48-503.5Rough人工神经网络约简模型的应用50-55第4章总结与展望55-57致谢57-58参考文献58-61在学期间撰写的论文61