基于面向對象數(shù)據庫的粗糙集模型的研究.pdf

1、粗糙集理論不依賴于所需處理的數(shù)據集合之外的任何先驗信息，它對不精確、不確定、不完整的信息和知識具有很強的分析處理能力。20世紀50年代末以來，關于粗糙集理論和應用的研究逐漸成為智能信息處理領域的熱點問題。 傳統(tǒng)的粗糙集理論在數(shù)據挖掘中的應用大多是通過結構化的方法來實現(xiàn)的，但是這種方法存在著數(shù)據模型結構性不強、軟件復用率低、可擴展性差等主要問題。另外，基于粗糙集的屬性約簡系統(tǒng)大多是針對某一特定關系型數(shù)據庫或格式化的數(shù)據文件而設計的

2、，因此很難描述復雜對象，缺乏靈活性與通用性，難以滿足研究和應用的需要。 為了解決這些問題，本文將面向對象理論和粗糙集理論相結合，在傳統(tǒng)粗糙集理論應用的基礎上引入面向對象數(shù)據庫，設計了一種用于屬性約簡的對象模型和約簡模型，并充分考慮到面向對象數(shù)據庫對復雜對象具有優(yōu)越的存儲、檢索能力，從而提出了一個基于面向對象數(shù)據庫的粗糙集模型，并深入探討了該模型實現(xiàn)屬性約簡算法的關鍵技術。實驗結果表明，該模型不但能有效地對數(shù)據集進行約簡，而且還具

3、有結構簡單、具有良好的擴展性等優(yōu)點。此外，本文所提出的對象模型同樣適用于其它的數(shù)據挖掘系統(tǒng)。 具體研究工作如下： (1)當處理大數(shù)據集時，基于主存的粗糙集屬性約簡算法的效率將會顯著下降。針對這一問題，本文利用數(shù)據庫技術處理大數(shù)據集問題的優(yōu)越性，提出了一種基于存儲過程的屬性約簡算法。實驗結果表明，對于處理大數(shù)據集問題，該算法的效率要比基于主存的屬性約簡算法的效率高，而且該算法容易實現(xiàn)，具有一定的實用價值。 (2)目

4、前大部分的屬性約簡算法采用結構化方法實現(xiàn)，但是缺乏統(tǒng)一的數(shù)據模型，針對這一問題，本文采用面向對象理論來分析Rough集的研究對象，設計了一種用于屬性約簡的對象模型，并使用面向對象數(shù)據庫DB40對此進行建模。 (3)在傳統(tǒng)的粗糙集理論的基礎上引入面向對象數(shù)據庫，提出了一種基于面向對象數(shù)據庫的粗糙集模型。 (4)深入探討了實現(xiàn)屬性約簡算法的關鍵技術，并開發(fā)了一個專業(yè)數(shù)據處理軟件系統(tǒng)一基于面向對象數(shù)據庫的粗糙集模型的屬性約簡系