粗糙集的不確定度量理論及啟發(fā)式屬性約簡(jiǎn)算法研究.pdf

1、粗糙集理論是近年來發(fā)展起來的一種處理不確定、不精確、不完整數(shù)據(jù)的新的數(shù)學(xué)工具。粗糙集理論自波蘭科學(xué)家Pawlalk于1982年提出以來,已經(jīng)被成功的應(yīng)用于機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、決策支持與分析、軟計(jì)算等領(lǐng)域。粗糙集理論中根據(jù)等價(jià)關(guān)系對(duì)論域進(jìn)行劃分,不同的等價(jià)關(guān)系對(duì)論域進(jìn)行劃分會(huì)得到不同的劃分模塊,劃分越粗,得到的劃分模塊越大,信息含量越少,不確定性越大；劃分越細(xì),得到的劃分模塊越小,分類越精確,信息含量越大,不確定性越小。如何度量不同等價(jià)關(guān)

2、系對(duì)論域劃分的粗細(xì)及分類的精確程度,如何度量劃分的不確定性,即不確定度量理論的研究是粗糙集理論研究的一個(gè)重要方面。高效的屬性約簡(jiǎn)算法是粗糙集應(yīng)用于知識(shí)發(fā)現(xiàn)的基礎(chǔ),尋求快速的屬性約簡(jiǎn)算法是粗糙集理論的研究熱點(diǎn)之一。如何基于粗糙集的不確定度量理論,運(yùn)用啟發(fā)信息來簡(jiǎn)化計(jì)算以找出屬性集的最小約簡(jiǎn)是粗糙集理論研究的一個(gè)重要方向。這就需要提出合適的度量理論,并基于該度量理論設(shè)計(jì)有效的啟發(fā)式屬性約簡(jiǎn)算法,因此需要對(duì)粗糙集理論中的不確定度量理論進(jìn)行研究

3、。 本文對(duì)粗糙集理論中的度量理論進(jìn)行了研究,給出了一個(gè)統(tǒng)一的度量集合問貼近度的方法,根據(jù)該方法,提出了度量信息系統(tǒng)、決策系統(tǒng)、不完備信息系統(tǒng)、不完備決策系統(tǒng)中劃分之間貼近度的方法,并對(duì)這些系統(tǒng)中的劃分貼近度分別進(jìn)行了系統(tǒng)研究,給出各系統(tǒng)中劃分貼近度的一些性質(zhì)及相應(yīng)的理論證明,根據(jù)劃分貼近度設(shè)計(jì)了對(duì)以上各系統(tǒng)進(jìn)行屬性約簡(jiǎn)的啟發(fā)式算法。針對(duì)信息系統(tǒng),由于知識(shí)中屬性的逐漸增加或減少的變化,導(dǎo)致知識(shí)對(duì)論域產(chǎn)生不同粗細(xì)的劃分,并得到不同大