Rough集理論及其應(yīng)用中若干問(wèn)題的研究.pdf

1、Rough集理論是Pawlak教授在20世紀(jì)80年代初提出的一種用于不確定和含糊數(shù)據(jù)分析的有效數(shù)學(xué)方法。在其后的20年中，Rough集理論在其理論研究和實(shí)際應(yīng)用兩方面都取得了長(zhǎng)足的進(jìn)展。目前，作為軟計(jì)算方法的重要分支，Rough集理論涉及的領(lǐng)域包括模式識(shí)別、機(jī)器學(xué)習(xí)、決策分析、數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)、專(zhuān)家系統(tǒng)等。本文對(duì)Rough集理論及其應(yīng)用中的一些問(wèn)題進(jìn)行了研究，主要的工作和取得的成果概括如下： ·不一致決策表的知識(shí)約簡(jiǎn)方法．目前

2、計(jì)算不一致決策表的分布約簡(jiǎn)、最大分布約簡(jiǎn)和分配約簡(jiǎn)的方法均基于區(qū)分矩陣，在大數(shù)據(jù)集下將耗費(fèi)較多計(jì)算時(shí)間。對(duì)此提出了一種轉(zhuǎn)換算法，將原不一致決策表上述三種約簡(jiǎn)的計(jì)算轉(zhuǎn)換為對(duì)三種導(dǎo)出的一致決策表Pawlak約簡(jiǎn)的計(jì)算，進(jìn)而利用針對(duì)Pawlak約簡(jiǎn)的高效啟發(fā)式知識(shí)約簡(jiǎn)算法降低計(jì)算的開(kāi)銷(xiāo)。 ·不完備決策表的啟發(fā)式知識(shí)約簡(jiǎn)算法．基于容差關(guān)系的Rough集模型是描述不完備決策表最常用的一種模型。在該模型下，廣義決策約簡(jiǎn)是最常見(jiàn)的一種知識(shí)約簡(jiǎn)

3、。目前一般是通過(guò)基于區(qū)分矩陣的方法計(jì)算這種約簡(jiǎn)，同樣不適合數(shù)據(jù)量較大的情況。對(duì)此，在對(duì)與廣義決策約簡(jiǎn)相關(guān)的性質(zhì)進(jìn)行分析的基礎(chǔ)上定義了屬性重要性，并以此作為啟發(fā)式信息提出了一種完備的屬性約簡(jiǎn)算法。 ·變精度Fuzzy Rough集的新定義．Fuzzy Rough集和Rough集類(lèi)似，容易受到噪音數(shù)據(jù)的影響。針對(duì)這個(gè)缺點(diǎn)，研究者們受到變精度Rough集模型的啟發(fā)，提出了變精度Fuzzy Rough集的概念。但現(xiàn)有的變精度Fuzzy

4、Rough集模型并沒(méi)有繼承一些Rough集，變精度Rough集和Fuzzy Rough集所共有的基本性質(zhì)。針對(duì)這一問(wèn)題，提出了Fuzzy近似空間中某一Fuzzy集的β-下近似和β-上近似的新定義方式。該定義能夠滿(mǎn)足上述基本性質(zhì)。 ·基于Rough集理論的交叉算子．根據(jù)人類(lèi)DNA研究結(jié)果的啟示，提出了一種基于Rough集理論的交叉算子，以克服傳統(tǒng)交叉算子易于破壞定義長(zhǎng)度較長(zhǎng)、階數(shù)較高的優(yōu)良模式的缺點(diǎn)。利用這種交叉算子可以發(fā)現(xiàn)有效模

5、式，同時(shí)保證這些有效模式即使在其定義長(zhǎng)度較長(zhǎng)、階數(shù)較高時(shí)也不易在基因重組過(guò)程中被破壞。 ·基于Rough集理論的兩階段禁忌搜索算法．基于Rough集理論，提出了一種多樣性搜索和集中性搜索分開(kāi)進(jìn)行的兩階段禁忌搜索算法，用于以TSP為代表的組合優(yōu)化問(wèn)題。該算法與大多數(shù)自適應(yīng)禁忌搜索算法不同，沒(méi)有采用動(dòng)態(tài)調(diào)整禁忌搜索參數(shù)的方式平衡集中性搜索和多樣性搜索，而是采用了兩階段搜索策略。第一階段為多樣性搜索。此階段主要通過(guò)激勵(lì)搜索過(guò)程遠(yuǎn)離起點(diǎn)

6、，對(duì)解空間進(jìn)行相當(dāng)程度的探索。在此基礎(chǔ)上構(gòu)造希望區(qū)域決策表，繼而求解其知識(shí)約簡(jiǎn)并構(gòu)造希望區(qū)域。第二階段為集中性搜索。此階段以希望區(qū)域包含的最佳解為起點(diǎn)進(jìn)行集中性搜索。在搜索過(guò)程中，參照希望區(qū)域的信息對(duì)當(dāng)前解的選擇進(jìn)行有條件的限制，以靈活利用多樣性搜索得到的關(guān)于路徑的有用信息。 ·基于Rough集理論的聚類(lèi)有效性指數(shù)．綜合了目前常見(jiàn)的兩類(lèi)聚類(lèi)有效性指數(shù)的基本思路，提出了一種針對(duì)Fuzzy c-均值算法的聚類(lèi)有效性指數(shù)。該指數(shù)用類(lèi)中

7、心的距離和類(lèi)的重疊程度兩方面的信息來(lái)衡量模糊類(lèi)之間的差異程度，并利用Fuzzy Rough集中的相關(guān)概念度量劃分的一致性。在此基礎(chǔ)上可以找到較為合理的劃分。 ·基于Rough集理論的指代消解方法．提出了一種結(jié)合Fuzzy Rough集的基于實(shí)例學(xué)習(xí)方法，應(yīng)用于中文文本中人稱(chēng)代詞消解的研究。該方法的第一步是預(yù)處理，得到候選實(shí)例集合，然后按照僅涉及淺層語(yǔ)法和語(yǔ)義知識(shí)的屬性集對(duì)其中的每個(gè)名詞短語(yǔ)進(jìn)行標(biāo)記。第二步選擇代表性較強(qiáng)的實(shí)例，并