決策粗糙集的屬性約簡算法研究.pdf

1、粗糙集理論是率先由波蘭數(shù)學(xué)家Pawlak在上世紀(jì)末提出的，主要針對的是分析不確定性問題。粗糙集理論中的一個重要的基本概念是屬性約簡，也是一個最基本問題，但是給出高效的屬性約簡算法是很重要的也很困難的問題，在現(xiàn)實應(yīng)用中，具有十分重要的研究意義。近些年來，研究學(xué)者們相繼提出了一系列的諸如變精度粗糙集模型、概率粗糙集模型等粗糙集模型，它們是建立在傳統(tǒng)的Pawlak粗糙集模型基礎(chǔ)之上的，加入概率的方法而形成的。這些研究大大的提高了我們對粗糙集理

2、論的理解和延伸了粗糙集理論的應(yīng)用領(lǐng)域。基于分類的粗糙集獲得的結(jié)果可以用來制定決策。在傳統(tǒng)的Pawlak粗糙集模型和概率粗糙集模型中，都具有正域規(guī)則和邊界規(guī)則這兩種不同的分類規(guī)則，它們會導(dǎo)致不同的決策序列。其中，正域規(guī)則是指一個對象或者一個對象集能夠確定屬于或者超過一定閾值范圍時是屬于某一個決策類的，邊界規(guī)則是指一個對象或者一個對象集是部分屬于或者超過另一閾值范圍時是屬于某個決策類的，它將會導(dǎo)致另一類的決策。它們可以用支持度、損失函數(shù)等方

3、法來評估，這種分類規(guī)則使我們不僅能夠?qū)蝹€規(guī)則施以局部評估，而且可以對整個規(guī)則集施以整體評估。
　　 本文首先概要的介紹了粗糙集理論的相關(guān)概念及其理論知識，分析了粗糙集理論的特點及其研究現(xiàn)狀;其次簡單介紹了傳統(tǒng)的基于屬性重要度、基于分辨矩陣、以及基于信息熵的屬性約簡算法的基本思想和算法過程，粗略的比較了它們的優(yōu)缺點以及適用情況，描述了傳統(tǒng)的Pawlak粗糙集模型和概率粗糙集模型這兩類粗糙集模型的基本知識;論文主要工作有:

4、　　 (1)在傳統(tǒng)粗糙集模型的基礎(chǔ)上，引入了貝葉斯決策過程，從而建立了一種決策粗糙集模型，它是基于損失函數(shù)的，給出了利用損失函數(shù)以及最小化期望損失來獲取閾值，也就是說，是基于更加實際的風(fēng)險和成本的，這樣有利于我們對粗糙集理論的理解和拓展了其應(yīng)用領(lǐng)域。
　　 (2)針對決策粗糙集模型中，正域不一定是單調(diào)的這一特性，我們分析了在給予一定條件加以限制正域使其具有單調(diào)性的情況下，對知識系統(tǒng)進(jìn)行基于屬性重要度的屬性約簡算法分析，以及將其