粗糙集知識約簡技術(shù)及其應(yīng)用研究.pdf

1、由于計算機科學與技術(shù)的發(fā)展,特別是計算機網(wǎng)絡(luò)的發(fā)展,人們面對著越來越多的海量信息。尤其是隨著數(shù)據(jù)庫的大量應(yīng)用,在各個行業(yè)各個領(lǐng)域都積累了十分豐富的數(shù)據(jù),“豐富的數(shù)據(jù)與貧乏的知識”的問題也日漸突出。近幾十年間,知識發(fā)現(xiàn)(規(guī)則提取、數(shù)據(jù)挖掘、機器學習等)應(yīng)運而生,受到人工智能學界的廣泛重視,產(chǎn)生了知識發(fā)現(xiàn)的各種不同方法。
　　 在知識發(fā)現(xiàn)的任務(wù)中,人們常常要面臨大量數(shù)據(jù)的處理任務(wù),特別是隨著網(wǎng)絡(luò)信息的不斷增長和各個復雜領(lǐng)域如金融數(shù)據(jù)

2、、醫(yī)療診斷、衛(wèi)星探測等的數(shù)據(jù)增長,現(xiàn)在面臨的處理對象經(jīng)常達到上百萬、千萬,計算機的處理能力往往顯得不足。并且大量的數(shù)據(jù)會給知識發(fā)現(xiàn)的知識獲取方法帶來很多困難。所以對數(shù)據(jù)約簡就顯得十分必要。目前對數(shù)據(jù)進行約簡主要有兩方面:一是減少數(shù)據(jù)的樣本數(shù),這個主要是通過采樣技術(shù)來實現(xiàn);二是減少屬性或特征,主要利用知識約簡和特征選擇等方法。
　　 粗糙集理論是繼概率論、模糊集理論、證據(jù)理論之后的又一個處理不確定性的數(shù)學工具。已成為目前知識工程研

3、究領(lǐng)域一種有效的數(shù)學工具,粗糙集理論已經(jīng)在決策與分析、故障診斷、模式識別、數(shù)據(jù)挖掘、動態(tài)目標識別及跟蹤等領(lǐng)域取得了很人的成功。
　　 知識約簡是知識發(fā)現(xiàn)的重要課題,同時也是粗糙集理論的核心問題之一。本文介紹了粗糙集的理論基礎(chǔ),以及粗糙集知識約簡的代數(shù)表示和信息表示。同時對模糊粗糙集知識約簡的信息表示進行了探討,提出了自己的改進方式。通過實驗將粗糙集知識約簡技術(shù)應(yīng)用劍對腦部智能活動的探索中,結(jié)果證明粗糙集知識約簡技術(shù)在實際應(yīng)用中有