61、软分区属性选择与词汇准备对学生能力影响研究

软分区属性选择与词汇准备对学生能力影响研究

1. 软分区属性选择相关研究

在数据处理领域，粗糙集理论是一种成熟的解决数据结构关系问题的方法，特别是处理不确定数据时。不过，近期提出的软集理论为管理不确定数据提供了新途径。

1.1 研究背景与动机

粗糙集理论虽应用广泛，但基于此的一些技术，如Mazlack等人用总粗糙度（TR）确定分区属性、Parmar等人提出的最小 - 最小粗糙度（MMR）技术、Herawan等人提出的最大依赖属性（MDA）技术，大多依赖布尔值信息系统，对多值信息系统的研究较少。而多值信息系统中属性关系的分析在数据挖掘中十分重要，因此本文提出基于软集理论的分区属性选择替代技术。

1.2 软集理论基础

• 软集定义 ：1999年，Molodtsov提出软集理论。一个软集 (F, A) 是指一个映射 (F: A \to P(U))，其中 (U) 是初始论域，(A) 是参数集，(P(U)) 是 (U) 的幂集。例如，设 (U = {c_1, c_2, c_3, c_4, c_5, c_6, c_7, c_8, c_9, c_{10}}) 为候选人集合，(E = {e_1, e_2, e_3, e_4, e_5, e_6, e_7}) 为软技能参数集，通过定义映射 (F) 可得到软集 (F, E) 描述候选人的能力。
• 信息系统定义 ：一个四元组 (S = (U, A, V, f)) 称为信息系统，其中 (U) 是非空有限对象集，(A) 是非空有限属性集，(V = \bigcup_{r \in A} V_r) 是属性值域