一種新的相對約簡算法
信息系統(tǒng)是一個具有對象和屬性關系的數據庫，這種數據庫隱含著知識的對象與屬性之間的關系，最終表達的知識模式是用屬性來表達的，具有明確的直觀含義，可以被理解。當今的信息系統(tǒng)以電子計算機和現代通信技術為基本信息處理手段，運用數學的方法，為管理決策提供信息服務。
科學技術的進步使得信息技術的發(fā)展十分迅速，應用范圍也在不斷擴展。近十年來信息呈現爆炸式增長。如此海量的數據，如何找出其內在聯系？如何從中提取出重要的內容，忽略錯誤的數據造成的影響并且縮減冗余信息？同時，現實世界中客觀事物和現象往往是不確定的，或具有不完備性，而人們主觀的認識領域的信息和知識大多也是不精確的，這就要求在知識的表示和處理時能夠反映這種不確定性。在此背景下，數據挖掘和數據庫知識發(fā)現成為了新的研究領域。
在DM和KDD的諸多理論以及方法中，模糊集、粗糙集、神經網絡、遺傳算法、證據理論等，都非常有效，其理論得到了不斷的發(fā)展完善，應用也得到了很好的實踐和推廣。每種理論各自有自己的優(yōu)缺點，因而可以進行互補性研究，充分利用它們的長處。
在不完備信息系統(tǒng)約簡方面，最常見的是利用辨識矩陣和布爾推理方法，Kryszkieewicz給出丁不完備決策表的知識約簡方法，并且提出了一種獲取最優(yōu)規(guī)則的方法。Leung等提出了基于極大相容塊技術的方法。國內學者也提出了許多約簡算法。
盡管不完備決策表缺少信息，但仍然蘊涵一些有用的知識，這些知識對于不完備信息下的決策，是很有意義的。本文將證據理論的概念融入粗糙集，給出了一種新的計算不完備決策表相對約簡的算法，并用實例進行了驗證，分析了算法的復雜度。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%