变精度粗糙集的案例约简方法研(2)

菜单

2.6.4 近似精度 13

2.7 属性的独立性 13

2.7 属性的依赖性 14

3 属性的核与属性约简 14

3.1 利用启发式搜索进行属性约简 15

3.1.1 相关程度 15

3.1.2 有效值 15

3.1.3 启发式算法步骤 16

3.2 可辨识矩阵与可辨识函数 16

3.2.1 利用区分矩阵进行属性约简 17

3.2.2 利用区分矩阵算法步骤 18

3.3 决策表 18

3.3.1 决策表概念 18

3.3.2 D-冗余属性 18

3.3.4 属性的相对核与相对约简 19

3.3.5 C的D-辨识矩阵与C的D-核 19

4 粗糙集理论的扩展研究 20

4.1 经典粗糙集存在的问题 20

4.2 可变精度粗糙集模型 20

4.3 相似模型 21

4.4 邻域模型 22

4.5案例属性约简原理 22

4.5.1 离散案例属性的约简 22

4.5.2 连续案例属性的约简 25

5.1 物流行业现实情况 27

5.1.1 影响物流配送的约束因素 27

5.1.2 配送中心外部城市货运交通特点 28

5.1.3 道路通行能力与服务水平及其影响因素 29

5.2 物流配送中心道路通行能力与其需求匹配的粗糙集约简算法 32

6.结论 37

致谢 38

参考文献 39

图表目录（直接引用）

图2.1 X的上、下近似集 9

图2.2 Rough sets view ----集合X在U中B可粗糙定义 10

图2.3 Rough sets view ----集合X在U中B外不可定义 10

图2.4 Rough sets view ----集合X在U中B内不可定义 11

图2.5 Rough sets view ----集合X在U中B全不可定义 11

图5-1物流配送中心道路通行能力与其需求匹配的粗糙集约简算法设计流程图 32

表5-1 某市社会经济指标数据 32

表5-2 初始决策表 33

表5-3 区分矩阵 34

表5-4 约简后的数据表 35

1 引言

1.1 研究背景

随着计算机、通信等信息技术的高速发展，计算机运行速度越来越快，存贮的数据也越来越多。若我们继续采用传统的数据分析工具，对这些海量数据进行检索和分析，不仅需要耗费大量的计算时间，而且还要完全依赖于事先对数据关系的假设和估计，这与人们日益增长的对数据中隐含知识的渴求形成激烈的矛盾。如何利用海量的原始数据来分析现状和预测未来呢？这已成为当今时代人类研究的热点问题。论文网