基于不完备决策表的高效知识获取算法的研究

从不完备决策表中进行知识获取是近年来国内外研究的热点和难点，并具有挑战性的国际前沿课题。粗糙集理论方法是解决这类问题的较好方法之一。在该方法中，一般分为两步，第一步是对不完备决策表进行求核，然后进行属性约简，第二步是对约简后的不完备决策表进行规则提取；或者二步同时进行。然而，目前在不完备决策表中基于粗糙集理论的知识获取算法的时间复杂度相对于完备决策表中相应知识获取算法而言，并不理想；另一方面，用该方法提取的规则也存在一定的不合理性。课题主要研究内容：在不完备决策表中，设计基于正区域模型、基于广义决策模型和信息熵模型的高效求核和属性约简算法以及合理规则提取算法，以便处理大规模数据集。在计算容差关系、构造和存储新差别矩阵、新矩阵和设计新的合理启发信息等方面可望获得创新和发明。

本项目按原计划研究，所列研究论点基本研究完毕。本项目主要研究了：完备决策表下的快速求核算法；不完备决策表下基于正区域模型、相容矩阵模型、信息熵模型和知识粒度模型等四种属性约简模型的属性约简算法及其求核算法和规则获取算法。另给出了一些图像处理的算法。在计算容差关系、构造和存储新差别矩阵、新矩阵和设计新的合理启发信息等方面获得创新和发明。.主要完成以下工作设计了高效的求解完备决策表的求核算法，为设计 高效的属性约简算法提供了新的思路；.不完备决策表下的高效求核算法，给出了四种方法：分别是用定义本身设计启发信息，差别矩阵，二进制差别矩阵，区分对象对法，冲突域法。.不完备决策表下的高效属性约简算法，给出了七种方法用定义本身设计启发信息，差别矩阵，二进制差别矩阵，区分对象对法，冲突域法，遗传算法和蚁群算法。.采用扩展差别矩阵设计了不完备决策表下的规则获取算法。用改进的FP 树压缩存储差别矩阵的元素，从而提高 属性约简算法和求核算法的效率。.设计了一个快速求解相容类的算法利用二叉树，设计了一个压缩差别矩阵元素的算法（该算法目前正在审稿）给出了图像的修复算法、边缘检测算法、去噪算法。