- 上一篇：歌帝梵巧克力行业消费者行为分析
- 下一篇：LGD方法在大学生招聘中的应用研究
4.1铁路列车运行调整的现实情况 18
4.1.1我国铁路列车运行调整现状 19
4.1.2影响列车运行调整的约束条件 19
4.1.3列车运行调整知识的多源性特点 19
4.1.4决策的目标 20
4.2列车运行调整的粗糙集知识表达 20
4.2.1列车运行调整的粗糙集条件属性 20
4.2.2列车运行调整的粗糙集决策属性 21
4.3列车运行调整的决策规则的约简算法描述 22
4.4粗糙集理论在列车运行调整决策中的应用 23
4.4.1粗糙集在列车运行调整过程中的具体实施过程 23
4.4.2粗糙集的特点 28
结 论 29
致 谢 30
参 考 文 献 31
图 表 目 录
图1.1 粗集知识发现模型 2
图1.2 本文总体研究框架 4
图2.1粗糙集概念示意图 8
图4.1 规则知识获取的过程图 21
表4.2 初始决策表 22
表4.3 初次约简后的决策表 23
表4.4 最终的决策规则表 26
图4.5 列车原计划运行图 27
图4.6调整后的列车运行图 28
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。
人类在面对海量数据的同时还可能面对数据的质量低下，即信息的不确定性[1]。为处理这些不确定的信息 ，波兰数学家Z. Pawlak于1982年提出了粗糙集的概念。它与以往传统的概率统计、模糊理论不同。它既能满足数据集合不同简洁程度表示的要求，又不需要额外数据信息去处理不确定信息的知识表达、归纳和推理。它可以在保持原数据集合分类能力（即决策能力）不变的前提下，消除冗余信息，从而获得知识的简洁表达。它最突出的优点就是“让数据自己说话”，即不需要数据集合之外的任何信息[2]。因此，利用粗糙集理论获得的知识，做出的决策更具有客观性。
目前，粗糙集理论在信息科学、医药科学、工程技术、金融商业、环境科学、社会科学等领域中得到了广泛的、较为成功的应用，并且越来越受到其它更多领域的重视。基于这样的背景下，本文旨在通过对粗糙集理论的认识和研究，为决策过程的简化提供工具和方法，并证明粗糙集在实际生活中的适用性。
1.1.1基于粗糙集理论的知识发现
知识发现是指从大量数据中捉取有效的、新颖的、潜在有用的、最终可悲理解的模式的非平凡过程，目前比较普遍的是基于数据库的知识发现（Knowledge Discovery in Database）。由于现实世界中的规则存在确定性和不确定性，因此从数据库中发现的知识也有确定和非确定之分，这为粗糙集在知识发现中的应用奠定了基础。
目前，人类已建立了不少基于粗糙集的数据挖掘系统，如LERS（Learning from Examples based on RS）、ROSE、KDD-R、ROUGH ENOUGH以及Rosset等等，它们被广泛地应用于医学数据分析、电信工业的市场研究、环境保护和气候研究等领域。