基于粗糙集理論的知識(shí)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(lái)，發(fā)展十分迅速。它作為處理知識(shí)模糊性和不確定性的一種重要的數(shù)學(xué)工具，受到越來(lái)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(shí)別等領(lǐng)域得到廣泛應(yīng)用，其中屬性約簡(jiǎn)和屬性值約簡(jiǎn)是最重要的一個(gè)方面。盡管屬性和屬性值約簡(jiǎn)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(wèn)題需要進(jìn)一步解決，其中約簡(jiǎn)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?，F(xiàn)在，尋找高效的知識(shí)約簡(jiǎn)算法已成為粗

2、糙集理論的一個(gè)研究熱點(diǎn)。 首先，知識(shí)和粗集不確定性度量對(duì)于屬性約簡(jiǎn)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(gè)帶有基礎(chǔ)性的問(wèn)題。其次，變精度參數(shù)是通過(guò)不確定性假設(shè)引入的，其值的估計(jì)方法是值得研究的一個(gè)重要問(wèn)題。還有，尋找更加有效的知識(shí)獲取方法，特別是動(dòng)態(tài)數(shù)據(jù)環(huán)境下的歸納學(xué)習(xí)、兩類(lèi)決策系統(tǒng)和大數(shù)據(jù)集上的知識(shí)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(duì)信息系統(tǒng)中知識(shí)的不確定性度量

3、和規(guī)則獲取問(wèn)題進(jìn)行系統(tǒng)研究，取得了一定的成果，對(duì)于促進(jìn)粗糙集理論的發(fā)展及其在知識(shí)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(duì)知識(shí)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(shí)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)。基于邊界條件熵，給出屬性約簡(jiǎn)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(shí)表達(dá)粒度

4、對(duì)不確定性度量的影響，通過(guò)引入極大相容塊思想。重新度量了基于相容關(guān)系的知識(shí)和粗集度量問(wèn)題。 (2)討論了變精度參數(shù)值對(duì)知識(shí)約簡(jiǎn)的影響。基于決策表相對(duì)可辨識(shí)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(duì)多決策類(lèi)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(dòng)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(wèn)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(jì)算。 (4)針對(duì)常見(jiàn)的兩類(lèi)決策信息系統(tǒng)的規(guī)則獲取進(jìn)行了研究?；诘葍r(jià)矩陣，提出聯(lián)合決策等價(jià)矩陣的定義，將條件屬性等價(jià)矩陣和決策屬性等價(jià)矩陣合并為一個(gè)矩陣，大大提高了規(guī)則獲取算法效率?；谙嗳菥仃?，通過(guò)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(wèn)題。提出基于任意分割策略的規(guī)則獲取矩陣計(jì)算方法，將大數(shù)據(jù)集轉(zhuǎn)化為多個(gè)子系統(tǒng)間的規(guī)則獲取。分析了基