基于粗糙集的屬性約簡算法研究與應(yīng)用.pdf

1、粗糙集理論是繼概率論、模糊集理論之后的，由波蘭科學(xué)家Z．Pawlak于1982年提出的又一處理不確定性的數(shù)學(xué)工具。粗糙集理論建立在論域中的不可分辨關(guān)系之上，該理論的優(yōu)點(diǎn)是不需要任何附加的信息或先驗(yàn)知識(shí)，就能有效地分析和處理不精確、不完整和不一致的數(shù)據(jù)，粗糙集理論已成為當(dāng)前計(jì)算機(jī)、人工智能、信息科學(xué)等領(lǐng)域的研究熱點(diǎn)之一。 在粗糙集理論中，知識(shí)約簡是其主要內(nèi)容，約簡分為屬性約簡和屬性值約簡，相對(duì)于屬性約簡來說，屬性值約簡要簡單得多，

2、所以研究較少，而屬性約簡到目前也沒有完全解決，所以仍是粗糙集理論的研究重點(diǎn)。通常的知識(shí)約簡一般就理解為屬性約簡。 本文首先對(duì)完備信息系統(tǒng)下經(jīng)典的粗糙集精度定義的局限性進(jìn)行了分析，提出了一種改進(jìn)的粗糙集精度的定義，根據(jù)這種定義給出了基于屬性對(duì)決策分類的新的重要性的概念，并構(gòu)造了基于這種重要性的屬性約簡算法：其次給出了基于條件屬性相對(duì)決策屬性的條件信息量的屬性約簡算法；在對(duì)屬性對(duì)決策分類的重要性和條件信息量的定義進(jìn)行了分析后，提出了