DSpace at VNU: Nghiên cứu các tập rút gọn trong bảng quyết đinh

Nghiên cứu tập rút gọn bảng đinh A study on reduced files in the decision table NXB H : ĐHCN, 2013 Số trang 59tr + Lê Thị Hân Trường Đại học Công nghệ Luận văn ThS ngành: Hệ thống thông tin; Mã số: 60 48 05 Người hướng dẫn: GS.TS Vũ Đức Thi Năm bảo vệ: 2013 Keywords: Hệ thống thông tin; Tập rút gọn; Bảng định Content Khai phá liệu vấn đề sôi động ứng dụng rộng rãi Có nhiều phương pháp khai phá liệu, phương pháp sử dụng lý thuyết tập thô - công cụ quan trọng khai phá liệu Từ xuất hiện, lý thuyết tập thô sử dụng hiệu bước trình khai phá liệu khám phá tri thức, bao gồm rút gọn liệu, trích lọc tri thức tiềm ẩn liệu dạng mẫu luật định, bảng định Trong thực tế, liệu bảng định thường đa dạng không đầy đủ, thiếu xác mà lại dư thừa nên tốn rút gọn thuộc tính đặt nhằm mục tiêu tạo thuộc tính cốt yếu cần thiết sở liệu (bảng) Hay nói cách khác, Rút gọn toán quan trọng lý thuyết tập thơ Mục tiêu tốn rút gọn thuộc tính bảng định loại bỏ (tối đa) thuộc tính dư thừa mà phần lại chứa đầy đủ thông tin bảng, dựa vào tập thuộc tính rút gọn thu được, việc sinh luật phân lớp đạt hiệu cao Trong năm gần chứng kiến phát triển mạnh mẽ sôi động hướng nghiên cứu rút gọn thuộc tính lý thuyết tập thơ Trong xu nhiều nhóm nhà khoa học giới nghiên cứu phương pháp rút gọn thuộc tính theo phương pháp khác nhau, đáng ý phương pháp dựa miền dương, phương pháp sử dụng lý thuyết thông tin, phương pháp sử dụng ma trận phân biệt được, phương pháp dựa tính tốn hạt, phương pháp dựa metric… Mỗi phương pháp phù hợp với lớp toán thực tế Đối với bảng định có nhiều tập rút gọn khác Tuy nhiên, thực hành thường khơng đòi hỏi tìm tất tập rút gọn mà cần tìm tập rút gọn tốt theo tiêu chuẩn đánh giá đủ Vì vậy, phương pháp rút gọn thuộc tính đưa thuật tốn heuristic tìm tập rút gọn Các thuật toán giảm thiểu đáng kể khối lượng tính tốn, nhờ áp dụng tốn có khối lượng liệu lớn Chính vậy, mà Tơi chọn đề tài: “Nghiên cứu tập Rút gọn bảng định” làm luận văn tốt nghiệp Trong luận văn này, chúng tơi nghiên cứu vấn đề sau: - Tìm hiểu số lý thuyết hệ thống thông tin, bảng định, tập rút gọn - Tìm hiểu số lý thuyết sở liệu - Tìm hiểu số thuật tốn tìm tập rút gọn tất tập rút gọn bảng định - Cài đặt thử nghiệm thuật tốn tìm tập rút gọn bảng định Bố cục luận văn gồm: Mở đầu: Đặt vấn đề ý nghĩa, tính cấp thiết đề tài Chương 1: Các khái niệm lý thuyết tập thô lý thuyết sở liệu quan hệ Trong chương này, tìm hiểu khái niệm hệ thống thông tin, bảng định, tập rút gọn tìm hiểu số khái niệm như: quan hệ, phụ thuộc hàm, tiên đề Armstrong, khoá, phản khoá số thuật toán sở liệu quan hệ sử dụng để xây dựng thuật toán rút gọn bảng định Đây phần lý thuyết sở để triển khai, nghiên cứu chương Chương 2: Tìm hiểu số thuật tốn tìm tập rút gọn thuật tốn tìm tất tập rút gọn bảng định quán Trong chương này, chúng tơi đưa số thuật tốn bảng định liên quan đến tập rút gọn: xác định tập rút gọn tất tập rút gọn bảng định quán (dựa lý thuyết sở liệu quan hệ) Chương 3: Triển khai cài đặt thử nghiệm thuật toán tìm tập rút gọn bảng định quán, từ rút số ứng dụng kết luận Kết luận Tài liệu tham khảo References Tài liệu tiếng Việt [1] Hồng Thị Lan Giao (2007), “Khía cạnh đại số lôgic phát luật theo tiếp cận tập thơ”, Luận án Tiến sĩ Tốn học, Viện Công Nghệ Thông Tin [2] Nguyễn Thanh Tùng (2010), “Về metric họ phân hoạch tập hợp hữu hạn”, Tạp chí Tin học Điều khiển học, T.26, S.1, tr 73-85 Tài liệu tiếng Anh [3] Chen D.G, Zhao S.Y., Zhang L., Yang Y.P and Zhang X (2011), “Sample pair selection for attribute reduction with rough set”, IEEE Transaction on Knowledge and Data Engineering, 29 March 2011 [4] Chin K.S., Liang J.Y and Dang C.Y (2003), “Rough Set Data Analysis Algorithms for Incomplete Information Systems”, Proceedings of the 9th international conference on Rough sets, fuzzy sets, data mining, and granular computing, RSFDGrC'03, pp 264268 [5] Demetrovics J and Thi V.D (1987), “Keys, antikeys and prime attributes”, Ann Univ Scien Budapest Sect Comput 8, pp 37-54 [6] Demetrovics J and Thi V.D (1995), “Some remarks on generating Armstrong and inferring functional dependencies relation”, Acta Cybernetica 12, pp 167-180 [7] Deza M M and Deza E., “Encyclopedia of Distances”, Springer, 2009 [8] Luo P., He Q and Shi Z.Z (2005), “Theoretical study on a new information entropy and its use in attribute reduction”, ICCI, pp 73-79 [9] Lv Y.J and Li J.H (2007), “A Quick Algorithmfor Reduction of Attribute in Information Systems”, The First International Symposium on Data, Privacy, and ECommerce (ISDPE 2007), pp 98-100 [10] Miao D.Q and Hu G.R (1999), “A heuristic algorithm for knowledge reduction”, Computer Research and Development, Vol 36, No 6, pp 681-684 [11] Nguyen S Hoa, Nguyen H Son (1996), "Some Efficient Alogrithms for Rough Set Methods", Proceedings of the sixth International Conference on Information Processing Management of Uncertainty in Knowledge Based Systems, pp 1451 1456 [12] Pawlak Z (1991), Rough sets: Theoretical Aspects of Reasoning About Data, Kluwer Aca-demic Publishers [13] Pawlak Z (1998), “Rough set theory and its applications to data analysis”, Cybernetics and systems 29, pp 661-688 [14] Qian Y.H., Liang J.Y., Dang C.Y., Wang F and Xu W (2007), “Knowledge distance in information systems”, Journal of Systems Science and Systems Engineering, Vol 16, pp 434-449 [15 ] Qian Y.H., Liang J.Y., Li D.Y., Zhang H.Y and Dang C.Y (2008), “Measures for Evaluating The Decision Performace of a Decision Table in Rough Set Theory”, Information Sciences, Vol.178, pp.181-202 [16] Sun L., Xu J.C and Cao X.Z (2009), “Decision Table Reduction Method Based on New Conditional Entropy for Rough Set Theory”, International Workshop on Intelligent Systems and Applications, pp 1-4 [17] Wang B.Y and Zhang S.M (2007), “A Novel Attribute Reduction Algorithm Based on Rough Set and Information Entropy Theory”, 2007 International Conference on Computational Intelligence and Security Workshops, IEEE CISW, pp.81-84 [18] Wang C.R and OU F.F (2008), “An Attribute Reduction Algorithm in Rough Set Theory Based on Information Entropy”, 2008 International Symposium on Computational Intelligence and Design, IEEE ISCID, pp 3-6 [19] Wang G.Y., Yu H and Yang D.C (2002), “Decision table reduction based on conditional information entropy”, Journal of Computers, Vol 25 No 7, pp 759-766 [20] Yao Y.Y., Zhao Y and Wang J (2006), “On reduct construction algorithms”, Proceedings of International Conference on Rough Sets and Knowledge Technology, pp 297-304 [21] The UCI machine learning repository, ... tốn tìm tập rút gọn thuật tốn tìm tất tập rút gọn bảng định quán Trong chương này, chúng tơi đưa số thuật tốn bảng định liên quan đến tập rút gọn: xác định tập rút gọn tất tập rút gọn bảng định... tính cấp thiết đề tài Chương 1: Các khái niệm lý thuyết tập thô lý thuyết sở liệu quan hệ Trong chương này, tìm hiểu khái niệm hệ thống thơng tin, bảng định, tập rút gọn tìm hiểu số khái niệm như:... thuộc hàm, tiên đề Armstrong, khoá, phản khoá số thuật toán sở liệu quan hệ sử dụng để xây dựng thuật toán rút gọn bảng định Đây phần lý thuyết sở để triển khai, nghiên cứu chương Chương 2: Tìm