臺灣博碩士論文加值系統

粗糙集合理論不依賴於所需處理的資料集合之外的任何先驗資訊，它對不精確、不確定、不完整的資訊和知識具有很強的分析處理能力。傳統的粗糙集理論在資料探勘中的應用，大多是透過結構化的方法來實現的，但是這種方法存在著資料模型結構性不強、軟體再利用率低、可擴充性不佳等主要問題。為瞭解決這些問題，本文將物件導向理論和粗糙集合理論相結合，在傳統粗糙集理論應用的基礎上引入物件導向資料庫，設計了一種用於屬性約簡的物件模型和約簡模型，並充分考慮到物件導向資料庫對複雜物件具有優越的儲存、檢索能力，從而提出了一個基於物件導向資料庫的粗糙集模型。研究工作首先利用資料庫技術處理大資料集問題的優越性，提出了一種基於預儲程式的屬性約簡演算法以解決處理大量資料時，基於主記憶體式(main memory)的粗糙集屬性約簡演算法效率低落問題，次而採用物件導向理論來分析Rough集的研究對象，設計了一種用於屬性約簡的物件模型，並使用物件導向資料庫DB4O (Database for objects)對此進行模型建立。再則在傳統的粗糙集理論的基礎上引入物件導向資料庫，提出了一種基於物件導向資料庫的粗糙集模型。最後探討實現屬性約簡演算法的關鍵技術，並實作了一個資料處理軟體系統「基於物件導向資料庫的粗糙集模型的屬性約簡系統」，透過將模型應用到具體實例，用於驗證上述研究成果。

Rough set theory is independent of any foregoing information which is excluded of processed data sets, and it is a new effective mathematic tool to deal with the uncertainty, imprecision and in completion. Although traditional Rough set theory applications in data mining are almost based on structured method, it can possibly involve issues such as poor structural integrity of data model, low software reuse and lack of extensibility. To solve this problem, this paper combines object-oriented theory with rough set attribute reduction methodology to design an object model and an attribute reduction model, which can be viewed as an object-oriented attribute reduction model based on rough set. The experimental results show that the model not only effectively reduces the attribute of rough set, but also has the advantages of simple structure and good extensibility. The reaserch works in this paper proposes an algorithm for attribution reduction based on stored procedure, using the superiority of the database technology to solve this problem which The efficiency of the algorithm for attribution reduction in Rough Set based on main memory will be significantly reduced when dealing with larger data sets. In the Secondary, the paper analyses the subjects of Rough Set using object-oriented theory and designs an Object Model for the attribute reduction, modeling it with object-oriented database DB4O.And then, this paper proposes a Rough Set Model based on the object-oriented database on the basis of the traditional Rough Set theory with the introduction of object-oriented databases. Finally, A thorough discussion is given to the key technologies to achieve the attribute reduction algorithm. A professional data-processing software system, which is an attribute reduction system of Rough Set Model based on object-oriented database, is developed to verify the research results mentioned above.

中文摘要 I
英文摘要 II
目錄 IV
表目錄 VII
圖目錄 VIII
第一章 緒 論 1
1.1研究背景 1
1.2 研究動機 3
1.3 研究目的 5
1.4 研究內容與架構 5
第二章 文獻探討 7
2.1粗糙集合理論 7
2.1.1知識定義（Knowledge Definition） 8
2.1.2決策表（Decision Table） 9
2.1.3近似集合 （Approximation Sets） 11
2.1.4不可分辨關係 （Indiscermibility Relation） 13
2.1.5 約簡與核（Reduction and Core） 15
2.1.6 決策表約簡 （Decision Table Reduction） 16
2.2 物件導向技術 16
2.2.1物件導向基礎知識 18
2.2.2物件導向類別設計基本原則 21
2.3物件導向資料庫 21
2.3.1 物件導向資料庫的發展 22
2.3.2 物件導向資料庫的基本概念 23
第三章 實現基於預儲程式改善效能之研究 29
3.1基於預儲程式的屬性約簡演算法 29
3.2預儲程式（Stored Procedure）概念 29
3.3預儲程式的特點 29
3.4採用之屬性約簡演算法理論 30
3.5屬性約簡演算法的實現與應用 32
第四章 粗糙集合研究對象的資料模型 34
4.1 物件導向的資料模型 34
4.1.1 ODL簡介 34
4.1.2物件導向資料類型 35
4.1.3物件導向資料模型設計方法 35
4.2 物件導向資料模型的優點 36
4.3 研究對象的物件導向分析 37
4.4 研究對象的物件導向資料類別模型 39
4.5 物件導向資料模型的描述方法 41
第五章 物件導向資料庫的粗糙集合模型 43
5.1 形式化物件模型 43
5.1.1 概述 43
5.1.2 物件模型 43
5.1.3 物件操作 44
5.1.4 物件資料庫的形式化定義 46
5.2資訊系統 47
5.2.1資訊系統 47
5.2.2 等價關係 47
5.3 不可分辨關係 48
5.4 物件導向資料庫粗糙集合模型 48
5.4.1 粗糙集合模型下近似集 48
5.4.2粗糙集合模型上近似集 49
第六章 粗糙集合模型的屬性約簡系統的實現 50
6.1 本研究屬性約簡系統的架構 48
6.2 本研究屬性約簡系統的實現 49
6.2.1 資料集合 51
6.2.2資料預處理 52
6.2.3物件粹取 52
6.2.4屬性約簡 55
6.3 案例分析 57
第七章 結論與建議 60
7.1 研究結論 60
7.2 研究建議 61
7.3 未來研究方向 61
參考文獻 62

表2.1 一個決策表的例子 11
表2.2 DB4O基準效能官方測試 27
表3.1 約簡演算法比較 33

圖1.1 本論文架構 6
圖2.1 近似集合 12
圖2.2 不可分辨關係釋例 14
圖2.3 一個學生類別與實例的關係 20
圖2.4 HSQLDB 永續方案基準測試 26
圖2.5 drs 模型 28
圖4.1 屬性約簡演算法的研究對象基本類別結構 40
圖6.1 本研究系統總體結構 50
圖6.2 資料集合範例 51
圖6.3 資料載入模組基本結構圖 52
圖6.4 物件粹取模組 52
圖6.5 屬性約簡演算法模型 56
圖6.6 物件粹取介面 57
圖6.7 屬性約簡結果 59

[01] 孔夢榮(2005)，「一種基於粗糙集理論的雙向選擇屬性約簡演算法」，微電子學與電腦，第09期，第22-80 ~22-84頁。
[02] 王吉成(2007)，「連續型粗糙集理論資料萃取技術—以雪霸崩塌地為例」，碩士論文，嶺東科技大學，臺中。
[03] 李雄飛、李軍（2003），資料探勘與知識發現，高等教育出版社。
[04] 林宜鋒(2004)，糢糊關聯資料庫之近似功能相依，碩士論文，元智大學，桃園。
[05] 施奕良(2005)，知識表達方法於影像判釋之研究－以粗糙集合理論與主成分分析為例，碩士論文，逢甲大學，臺中。
[06] 施奕良、雷祖強、周天穎(2005)，利用粗糙集理論建立水稻田知識庫分類之研究，台灣地理資訊學會年會暨學術研討會論文集學生組，第16篇，第1-11頁。
[07] 苗奪謙，李道國（2009），粗糙集理論演算法與應用，清華大學出版社。
[08] 馬廷淮，趙亞偉，張海盛，曾振柄(2003)，基于粗糙集的決策規則約簡，計算機工程，29卷，12期，第5-7頁。
[09] 梁霖，徐光華(2005)，基於克隆選擇的粗糙集屬性約簡方法，西安交通大學學報，39卷，11期，第1231-1235頁。
[10] 康麗君(2004)，相似關係為主的模糊關聯式資料庫模式，碩士論文，中原大學，桃園。
[11] 張弘紋(2006)，糢糊多屬性群體決策方法之建構，碩士論文，中華大學，新竹。
[12] 許正憲、張嘉琪（2007），SQL Server 2005資料庫實務應用，上奇科技出版社。
[13] 陳玄玲（2005），資料庫管理，�眳p資訊股份有限公司。
[14] 陳玄玲（2008），資料庫系統原理（第五版），�眳p資訊股份有限公司。
[15] 陳玄玲，應鳴雄，2008，資料庫原理與設計，全華科友圖書公司。
[16] 陳松、洗進審（2007），J2EE電子商務系統開發實例-基於Struts和Hibernate技術實現，松崗-文魁資訊股份有限公司。
[17] 陳會安（2008），Java物件導向程式設計實務教本，學貫行銷股份有限公司。
[18] 曾文科(2003)，在分類樹建構上數值型屬性的啟發式分割法，碩士論文，大同大學，台北。
[19] 溫坤禮、永井正武、張廷政、溫惠築(2008)，粗糙集入門及應用，五南圖書出版股份有限公司。
[20] 萬絢、王吉成、雷祖強、周天穎(2007)，以空間資訊技術與布林粗糙集合分析雪霸崩塌地石礫土與壤土之差異性研究，臺灣地理資訊學刊，No.5，第1-15頁。
[21] 葉振山、鄭景俗(2005)，強化粗糙集應用於闌尾炎之分類，醫療資訊雜誌，第14卷，第2期，第1-16頁。
[22] 賈蓉生、胡大源、林金池（2007），資料庫系統概論，�眳p資訊股份有限公司。
[23] 雷賀君(2004)，前十字韌帶傷害快速診斷系統-以粗略集合、基因演算法與倒傳遞網路為工具，碩士論文，大葉大學，彰化。
[24] 潘冠宇（2002），系統分析與設計概論，�眳p資訊股份有限公司。
[25] 蔡明志（2008），資料結構－使用Java(第二版)，�眳p資訊股份有限公司。
[26] 顏春煌（2008），Java網路程式設計，旗標出版股份有限公司。
[27] 顏春煌（2008），資料庫系統原理與應用，�眳p資訊股份有限公司。
[28] K. Balawski , D. A. Simovici(1992) , ”An algebraic approach to databases with complex objects.” , Information Systems , l7(1) pp33-47.
[29] J. G. Bazan , A. Skowron , P. Synak(1994) , ”Discovery of Decision Rules from Experimental Data.” , Proceedings of the Third International Workshop on Rough Sets and Soft Computing (RSSC 97). San Jose:San Jose State Univ, pp526-533.
[30] M. Blaha , W. Pmmerlani , H. She(1994) , ”Converting OO Models into RDBMS Schema.” , IEEE Software , I(f) pp28-39.
[31] T. A. Budd.(2003) , “An Introduction of Object-Oriented Programming.” , Addison Wesley , 3rd Edition.
[32] P. Coad , E. Yourdon(1991) , ”Object-Oriented Design.” , Prentice Hall , New York.
[33] I. Duntsch(1994) , “Rough Relation Algebras”,Fundamental Informaticae , Vol.21 , pp321-331.
[34] J. W. Guan , D. A. Bell(1998) , ”Rough Computational Methods for Information System.” , Artificial Intelligence ,105 (1-2) pp77-103.
[35] W. Kim(1990) , ”Introduction to Object-oriented Databases.” , MA : MIT Press.
[36] Q. Liu(1998) , ” The OI-Resolution of Operator Rough Logic.” , LNAI 1424, Vol.6 , pp432-435.
[37] J. A. Mariani(1999) , ”Oggetto an object oriented database layered on a triple store.” , The Computer Journal, 35(2) pp108-118.
[38] E. Orlowska.(1984) , “A Logic of Indiscernibility Relation.” , Institute of Computer Science PAS , Lecture Notes in Computer Science , Vol.208 , pp177-186.
[39] Z. Pawlak(1982) , ”Rough Sets.” , Intenrational Journal of Computer and Information Sciences , pp341-356.
[40] Z. Pawlak(1985) , “Rough Sets and Fuzzy Sets “ , Fuzzy Sets and Systems , pp99-102.
[41] Z. Pawlak (1987) , “Rough Logic.“ , Bull.Polish Acad. Sci. Tech. 35/5-6 , pp253-258.
[42] Z. Pawlak(1996) , “Rough Sets,Rough Relations and Rough Function.” Fundamenta In formaticae, 27(8) pp2-3.
[43] Z. Pawlak , A. Skowron (1993) , ”Rough Membership Functions : A Tool for Reasoning with Uncertainty.In:C.Rauszer(Ed.)” , Algebra Methods in Logic and Computer Science. Warsaw : Banach Center Publications 28 , Polish/Academy of Science , pp135-150.
[44] A. Skowron(1992) , “The discernibility matrices and functions in information systems. Intelligent Decision Support-Handbook of Applications.” , Advances of Rough Sets Theory , Kluwer Academic Publishers , Dordrecht , Boston , London , pp331-363.