粗糙集理论综述 收藏.docVIP

粗糙集理论综述 收藏 进入网络信息时代，随着计算机技术和网络技术的飞速发展，使得各个行业 领域的信息急剧增加，如何从大量的、杂乱无章的数据中发现潜在的、有价值的、简洁的知识呢？数据挖掘(Data Mining)和知识发现(KDD)技术应运而生。 粗糙集理论作为一种数据分析处理理论，在1982年由波兰科学家Z.Pawlak创立[1]。最开始由于语言的问题，该理论创立之初只有东欧国家的一些学者研究和应用它，后来才受到国际上数学界和计算机界的重视。1991年，Pawlak出版了《粗糙集—关于数据推理的理论》这本专著，从此粗糙集理论及其应用的研究进入了一个新的阶段，1992年关于粗糙集理论的第一届国际学术会议在波兰召开。1995年ACM将粗糙集理论列为新兴的计算机科学的研究课题。 粗糙集理论作为一种处理不精确(imprecise)、不一致(inconsistent)、不完整(incomplete)等各种不完备的信息有效的工具，一方面得益于他的数学基础成熟、不需要先验知识；另一方面在于它的易用性。由于粗糙集理论创建的目的和研究的出发点就是直接对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律，因此是一种天然的数据挖掘或者知识发现方法，它与基于概率论的数据挖掘方法、基于模糊理论的数据挖掘方法和基于证据理论的数据挖掘方法等其他处理不确定性问题理论的方法相比较，最显著的区别是它不需要提