基于经典粗糙集的近似集动态获取方法

摘要：

信息系统中的数据是动态变化的，根据动态变化的信息系统获取有用的信息，成为数据处理中的关键问题。针对该问题，分别讨论了信息系统中属性增加和减少时，近似集的动态获取方法。通过对信息系统中原有的等价类进行划分，避免了对论域的重新划分，提高了动态更新近似集的效率，通过讨论等价类与原有近似集之间的关系，给出了信息系统动获取之后的近似集与原来近似集之间的相关定理，提出了在经典粗糙集模型中，属性增减时近似集动态获取方法。实验结果验证了该方法的正确性和有效性，而且效率优于原始的方法。

关键词：知识发现、近似集、动态更新

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60873108资助项目；安徽省高校自然科学基金重点KJ2014A184资助项目。

在线出版日期：2016-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1332-1340