基于粗糙集的樣本選擇方法研究.pdf

1、粗糙集理論是一種處理決策系統(tǒng)不確定性和模糊性的數(shù)學工具，它已經(jīng)被成功應(yīng)用于許多領(lǐng)域，例如人工智能、數(shù)據(jù)挖掘、模式識別等信息處理領(lǐng)域.粗糙集理論主要用來找到?jīng)Q策系統(tǒng)所有條件屬性的約簡集合，即找到屬性約簡，其為決策系統(tǒng)重要的和有價值的內(nèi)容之一.屬性約簡是在保持原決策表分類能力不變的條件下，刪除其中不相關(guān)或不重要的條件屬性.已經(jīng)存在的屬性約簡只能保持每一條確定性規(guī)則的置信度不變，并不能針對特殊決策規(guī)則識別出關(guān)鍵的條件屬性.然而，在許多實際問題

2、中有較大置信度的可能性規(guī)則經(jīng)常是可利用的；特殊決策類的條件屬性更引人注意，這兩點需要促使我們改進粗糙集中已存在的屬性約簡.本文中第三章提出了θ局部約簡的概念，其保持決策規(guī)則的置信度仍大于等于θ并且為這些決策規(guī)則提供了一個最小的描述.θ局部約簡的目的是針對有較大置信度的可能性規(guī)則識別出與特殊決策類有緊密關(guān)系的關(guān)鍵條件屬性.辨識矩陣的方法用來研究了θ局部約簡的結(jié)構(gòu)并且計算出了所有的θ局部約簡.本章最后用了一個醫(yī)療診斷的實例闡述了θ局部約簡的

3、思想.在計算屬性約簡的過程中，每個樣本都被考慮為是同等重要的并且在處理大型數(shù)據(jù)庫時它們共同承擔了計算復雜度.為了減少計算約簡的復雜度，一個自然的想法是選擇較少的樣本來獲取和原決策表相同的約簡，從而達到壓縮決策表的目的.本文第四章中提出了粗糙集的樣本選擇，其目的是壓縮決策表的辨識矩陣以便為了可以利用辨識矩陣里最小的元素來計算約簡.本章中定義了條件屬性的相對辨識關(guān)系，必要和不必要的條件屬性可以被它們的相對辨識關(guān)系刻畫并且每一個條件屬性的關(guān)鍵