基于粗糙集理論的知識不確定性度量與規(guī)則獲取方法研究.pdf

1、粗糙集理論自上世紀(jì)80年代初由Pawlak教授提出以來，發(fā)展十分迅速。它作為處理知識模糊性和不確定性的一種重要的數(shù)學(xué)工具，受到越來越多研究人員的重視，已經(jīng)在數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、模式識別等領(lǐng)域得到廣泛應(yīng)用，其中屬性約簡和屬性值約簡是最重要的一個方面。盡管屬性和屬性值約簡的研究已取得了許多重要的成果，但是仍然存在一些重要問題需要進(jìn)一步解決，其中約簡算法的低效性尤為突出，它限制了粗糙集理論的進(jìn)一步推廣應(yīng)用。現(xiàn)在，尋找高效的知識約簡算法已成為粗

2、糙集理論的一個研究熱點(diǎn)。 首先，知識和粗集不確定性度量對于屬性約簡等方面有著重要的應(yīng)用，而現(xiàn)已度量方法存在某些不合理的地方，故探討更加合理的度量方法是一個帶有基礎(chǔ)性的問題。其次，變精度參數(shù)是通過不確定性假設(shè)引入的，其值的估計方法是值得研究的一個重要問題。還有，尋找更加有效的知識獲取方法，特別是動態(tài)數(shù)據(jù)環(huán)境下的歸納學(xué)習(xí)、兩類決策系統(tǒng)和大數(shù)據(jù)集上的知識獲取等，有著較大的研究空間。本論文根據(jù)這些研究思路，對信息系統(tǒng)中知識的不確定性度量

3、和規(guī)則獲取問題進(jìn)行系統(tǒng)研究，取得了一定的成果，對于促進(jìn)粗糙集理論的發(fā)展及其在知識發(fā)現(xiàn)等相關(guān)領(lǐng)域的應(yīng)用，有一定的作用和影響。 論文的主要貢獻(xiàn)及創(chuàng)新如下： (1)對知識和粗集的不確定性進(jìn)行了深入研究，提出一種基于邊界域的模糊熵度量方法，重新定義了知識粗糙熵并修正了粗集粗糙熵的定義。提出邊界條件熵的定義，證明了邊界條件熵單調(diào)性等相關(guān)性質(zhì)?；谶吔鐥l件熵，給出屬性約簡的啟發(fā)式算法并應(yīng)用到定性仿真和推理中。討論了不合適知識表達(dá)粒度

4、對不確定性度量的影響，通過引入極大相容塊思想。重新度量了基于相容關(guān)系的知識和粗集度量問題。 (2)討論了變精度參數(shù)值對知識約簡的影響?；跊Q策表相對可辨識性，提出變精度粗糙集模型變精度參數(shù)自主式獲取和設(shè)置的方法。 (3)對多決策類信息系統(tǒng)的歸納學(xué)習(xí)方法進(jìn)行了深入研究，提出聯(lián)合決策分辨矩陣及其歸納學(xué)習(xí)以及動態(tài)數(shù)據(jù)環(huán)境下的遞增式學(xué)習(xí)方法。該方法不僅解決了遞增式學(xué)習(xí)問題，而且減少了矩陣空間，避免了經(jīng)典分辨矩陣和傳統(tǒng)決策矩陣中的

5、重復(fù)計算。 (4)針對常見的兩類決策信息系統(tǒng)的規(guī)則獲取進(jìn)行了研究。基于等價矩陣，提出聯(lián)合決策等價矩陣的定義，將條件屬性等價矩陣和決策屬性等價矩陣合并為一個矩陣，大大提高了規(guī)則獲取算法效率?；谙嗳菥仃?，通過廣義決策函數(shù)，提出一種基于廣義決策表的聯(lián)合決策相容矩陣規(guī)則獲取算法。 (5)基于矩陣分塊方法，研究了大數(shù)據(jù)集上規(guī)則獲取問題。提出基于任意分割策略的規(guī)則獲取矩陣計算方法，將大數(shù)據(jù)集轉(zhuǎn)化為多個子系統(tǒng)間的規(guī)則獲取。分析了基