基于粗集的多知識庫模型集成研究.pdf

1、粗糙集理論是20世紀80年代初由波蘭數(shù)學家Pawlak Z.首先提出的一種新型的處理模糊和不確定知識的數(shù)學工具，其基本思想是在保持分類能力不變的前提下，通過知識約簡，導出概念的分類規(guī)則。目前，已在數(shù)據挖掘、機器學習、模式識別、人工智能、故障檢測、決策分析等方面得到了廣泛的應用。
　　本文主要對于基于粗糙集理論產生多知識庫方法及其決策融合的問題進行了研究。論文闡述了粗糙集產生多知識庫的原理，給出了多知識庫的形式化定義。同時描述了知識

2、庫中決策規(guī)則的多種度量，分析了它們體現(xiàn)的性質，并把這些度量指標引入到規(guī)則集中，研究了規(guī)則集合的決策度量，從整體上體現(xiàn)了一個規(guī)則集合的性能，為多知識庫決策奠定了基礎。
　　論文基于模型集成的基本理論，提出了把一個規(guī)則知識庫作為一個決策模型，分析了模型網的構造與模型集成方法，通過模型集成實現(xiàn)決策融合，從而在模型一級實現(xiàn)了綜合的決策過程。研究中對模型網的概念作了形式化定義，分析設計了模型網的構造方法。并給出了對模型網進行化簡的算法，在此