Rough集中若干問(wèn)題的研究.pdf

1、Rough集理論在人工智能和認(rèn)知科學(xué)研究領(lǐng)域有十分重要的應(yīng)用;尤其為機(jī)器學(xué)習(xí)、知識(shí)獲取、決策分析、數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)、專(zhuān)家系統(tǒng)和模式識(shí)別等領(lǐng)域提供了一種很有效的新的數(shù)學(xué)方法.■Rough集中近擬質(zhì)量的新認(rèn)識(shí)在Rough集近似空間中提供了對(duì)一個(gè)對(duì)象集近似的準(zhǔn)確性因子α和屬性集間依賴(lài)程度因子γ.對(duì)于因子α可以給出精確性因子π與之比較;通過(guò)基于集合的距離度量公式,可以給出近擬差錯(cuò)率來(lái)解決α,π和γ.如果反數(shù)據(jù)空間從1維拓廣到k維,可以得出k維近

2、擬空間和相應(yīng)的近似因子.■基于帶狀劃分?jǐn)?shù)據(jù)庫(kù)的發(fā)現(xiàn)函數(shù)依賴(lài)集的方法這種方法基于一致集的概念.根據(jù)一致集導(dǎo)出最大集及其補(bǔ)集,然后生成最小非平凡函數(shù)依賴(lài)集.通過(guò)使用帶狀劃分?jǐn)?shù)據(jù)庫(kù)減少求一致集的運(yùn)算次數(shù),使用逐層求精的算法來(lái)計(jì)算最小非平凡函數(shù)依賴(lài)集的左部;并從時(shí)間復(fù)雜度上與其它方法進(jìn)行了比較.■基于Rough集的數(shù)據(jù)約簡(jiǎn)討論用Rough集知識(shí),對(duì)信息系統(tǒng)進(jìn)行數(shù)據(jù)約簡(jiǎn).給出用分明矩陣和分明函數(shù)的屬性約簡(jiǎn)方法,對(duì)決策表的屬性約簡(jiǎn)和屬性值約簡(jiǎn),以及

3、最小決策化算法.■Rough集與其它數(shù)據(jù)推理討論Rough集與概率邏輯,貝葉塞規(guī)則,證據(jù)理論和模態(tài)邏輯的關(guān)系,指出它們之間存在的一致性.■基于Rough集的形式化概念分析形式化概念分析有助于數(shù)據(jù)的表達(dá)和分析.該文討論用Rough集分別對(duì)一個(gè)對(duì)象集、一個(gè)特征集和由對(duì)象集與特征集形成的對(duì)的近似來(lái)形成各自的可定義的形式化概念.■Rough包含度統(tǒng)一Rough集中各種度量方式Rough集中提供了各種度量方式,可以用Rough包含度的概念為統(tǒng)一這