概念的不確定性度量及在知識獲取中的應用.pdf

1、分類號T P 3 9 1重慶郵電大學碩士學位論文碩士研究生 直 煎指導教師 堂溘堡學科專業(yè) 鹽差壑超周墊盎論文提交日期2 Q ! 三生三月 論文答辯日期2 Q ! 三生三月2 魚旦論文評閱人答辯委員會主席年月 日重慶郵電大學碩士論文 摘要摘 要粗糙集理論是一種處理不確定、不精確、不完整信息的有力工具，它無需先驗知識，能夠直接對數據信息進行分析和處理，并發(fā)現潛在的知識，現已成功應用于機器學習、數據挖掘、決策支持與分析、不確定推理和軟計算等

2、領域。對于粗糙集理論，不確定性主要來自不可分辨關系和粗糙集的近似域，當近似域中的上、下近似集不相等時，其邊界域不為空，此時概念存在不確定性。在粗糙集不確定性度量中，概念的不確定性度量反映了給定近似空間對概念的近似能力，主要的度量方法有粗糙度、粗糙熵、模糊度和模糊熵等。信息系統(tǒng)的屬性約簡和規(guī)則提取是知識發(fā)現的兩個重要問題，啟發(fā)式屬性約簡是常用的約簡方法，而不確定性度量方法為設計啟發(fā)式屬性約簡算法提供了理論依據，度量方式的不同會直接影響屬性

3、的搜索策略，得到不同的約簡結果；同時，度量方式的優(yōu)劣也直接影響了規(guī)則提取的好壞。本文在概念不確定性度量方法和基于粗糙集知識獲取的基礎上，主要在以下幾個方面進行研究和探索，并取得相關研究成果：( 1 ) 分析了粗糙集的模糊度在不同知識粒度下的變化規(guī)律，證明了該模糊度隨著知識粒度的減小而單調遞減，并討論了模糊度隨知識粒度細分的性質。這種模糊度在不同知識粒度下的變化規(guī)律，對用不確定性度量方法來設計啟發(fā)式的知識獲取提供了理論的依據。( 2 )

4、在決策信息系統(tǒng)中，結合模糊度的性質，給出了修正條件信息熵和相對模糊熵的定義。用兩種不同的方法證明了這兩種熵在屬性約簡中的單調性，利用熵作為啟發(fā)式屬性約簡方法進行屬性約簡。通過實驗對比分析了利用各種熵進行屬性約簡的結果，以及它們在各種分類算法中的分類精度。結合相對模糊熵的相關性質，重新定義了一種新的屬性重要度，得到了屬性較少的約簡結果。同時，給出了決策模糊熵的定義，并用于構建決策樹來進行規(guī)則提取，得到了較為簡化的決策規(guī)則。( 3 ) 在研