1、粗糙集理論（Rough Set Theory）是波蘭數(shù)學(xué)家Z.Pawlak于1982年提出的一種處理模糊、不確定數(shù)據(jù)的軟計(jì)算方法，是目前國(guó)際上人工智能理論及其應(yīng)用領(lǐng)域中的重要研究熱點(diǎn)之一。由于粗糙集理論方法獨(dú)特、思想新穎，在提出的三十余年里面，吸引了大量研究人員對(duì)其進(jìn)行研究，并成功的衍生出模糊粗糙集、優(yōu)勢(shì)關(guān)系粗糙集、決策理論粗糙集、變精度粗糙集等多種適用于處理復(fù)雜類型數(shù)據(jù)的粗糙計(jì)算模型。這些模型已成功應(yīng)用于機(jī)器學(xué)習(xí)、模式識(shí)別、決策支持、

2、過(guò)程控制、數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)、專家系統(tǒng)等研究領(lǐng)域。
　　 基于粗糙集的特征選擇（屬性約簡(jiǎn)）是粗糙集理論研究的核心內(nèi)容之一，主要是在保持原始數(shù)據(jù)的屬性區(qū)分能力不變的前提下，選擇具有最小特征（屬性）數(shù)的特征子集，達(dá)到消除無(wú)關(guān)和冗余特征，提高知識(shí)發(fā)現(xiàn)效率，改善分類器性能的目的。隨著目前大量高維海量復(fù)雜數(shù)據(jù)的出現(xiàn)，這種解決問(wèn)題的思路對(duì)于處理具有高價(jià)值總量、低價(jià)值密度、含有大量冗余屬性的大數(shù)據(jù)研究具有重要的意義。
　　 本文跟蹤國(guó)際學(xué)

3、術(shù)前沿，對(duì)基于粗糙集理論的屬性約簡(jiǎn)進(jìn)行整理分析，在借鑒Page Rank算法思路的基礎(chǔ)上，提出了通過(guò)對(duì)屬性進(jìn)行“全局性”重要度排序，進(jìn)而構(gòu)造一種新的屬性約簡(jiǎn)算法。另外，總結(jié)已有粗糙集特征選擇的部分方法及數(shù)據(jù)集的預(yù)處理方法，設(shè)計(jì)了包含粗糙集特征選擇與數(shù)據(jù)集預(yù)處理方法的RSLibrary類庫(kù)，在類庫(kù)的基礎(chǔ)上設(shè)計(jì)了粗糙集特征選擇系統(tǒng)。本文主要工作如下:
　　 (1)啟發(fā)式屬性約簡(jiǎn)算法的分析與比較。對(duì)經(jīng)典的啟發(fā)式屬性約簡(jiǎn)算法、啟發(fā)式約簡(jiǎn)

4、加速算法、啟發(fā)式約簡(jiǎn)雙向約簡(jiǎn)加速算法分別進(jìn)行了具體的分析和比較。
　　 (2)提出一種基于“全局性”屬性重要度排序的特征選擇算法。將粗糙集理論與Page Rank算法結(jié)合，借鑒其投票機(jī)制，提出了屬性排序算法(Attribute Rank)，進(jìn)而設(shè)計(jì)了基于屬性排序的特征選擇算法。在處理海量數(shù)據(jù)時(shí)，該算法的并行版本能夠在可接受時(shí)間內(nèi)得出結(jié)果。
　　 (3)設(shè)計(jì)了基于粗糙集的特征選擇系統(tǒng)。針對(duì)在粗糙集學(xué)習(xí)中，做實(shí)驗(yàn)時(shí)，需要編寫(xiě)

5、大量重復(fù)性代碼、檢驗(yàn)編碼正確性、對(duì)比實(shí)驗(yàn)結(jié)果、對(duì)數(shù)據(jù)集進(jìn)行大量預(yù)處理等工作，設(shè)計(jì)了包含常見(jiàn)粗糙集屬性方法與數(shù)據(jù)集預(yù)處理的粗糙集類庫(kù)。在此類庫(kù)的基礎(chǔ)上開(kāi)發(fā)了基于粗糙集的特征選擇系統(tǒng)。
　　 最后，將本文內(nèi)容進(jìn)行總結(jié)，說(shuō)明了針對(duì)該類問(wèn)題可以深入研究的方向。這些研究?jī)?nèi)容，探索了將屬性約簡(jiǎn)并行化的方法，為大數(shù)據(jù)的數(shù)據(jù)挖掘提供有價(jià)值的參考。同時(shí)，進(jìn)一步豐富了基于粗糙集的數(shù)據(jù)挖掘算法，為發(fā)展高效的數(shù)據(jù)挖掘方法提供一定的借鑒和指導(dǎo)，借此進(jìn)一步