粗糙集理论的方法和应用的研究.pdfVIP

摘 要 粗糙集 (RoughSet)理论是一种处理模糊性和不确定性的新型数学工具，已 经在机器学习、知识获取、决策分析、知识发现、专家系统和模式识别等领域取 得了一些成功的应用。本文回顾了粗糙集理论的基本观点和特点，归纳总结了目 前常用的分析方法，介绍了粗糙集理论的一些基本概念，并主要研究了以下内容: 1.获取规则是数据挖掘中的一项重要技术，本文根据粗糙集理论，提出a-不 可分辨关系的概念，建立了a-决策表及其a-决策矩阵，在此基础上，利用决策函 数，提出了一种在决策表中获取规则的算法。件外，随着客观世界的发展变化， 新模式会不断地增加到数据集中，在己有的模式中也会增加不同以往的新成员， 这就导致以前得至。的规则集需要随之更新沐 在规则获取算法的基础上，又提 出一种规则更新算法·传算法在原有规则集的基础上进行规则和规则参数的增量 式更新，避免了为更新。集而重新运行。获取算法少一- 2.分析了粗糙集方法的建模特点，举例说明粗糙集理论用于知识发现的过程 和实现方法。此外，提出将基于相似关系的粗糙集方法和Robust贝叶斯分类器相 结合，建立了粗糙一贝叶斯分类、渗系统主要集成了粗糙集的数据约简技术和 Robust贝叶斯分类器的空值处理技术及增量式学习的功能妇一一 3.专家系统是人工智能领域的主要应用技术，但由于现有计算机及其相应软 件系统的限制，使传统专家系统面临诸如知识获取困难、不确定推理方法简单和 智能水平低等问题。本文利用粗糙集理论和神经网络技术构造了粗糙一神经专家系 统。体系统以粗糙集理论的有关方法作为知识获取的 制，以训练好的神 经网络作为系统的知识库，以此建立系统的总体结构 后用实际的数据库为例， 构造了冠心病诊断的粗糙一神经专家系统，阐述了神经网络知识库的建立过程。V(- 括空值处理策略、属性离散化、变量二值化、属性约简、输入神经网络的数据转 换以及网络结构和参数的设置，描述了基于神经网络的并行推理机制和该系统的 工作过程，并得出令人满意的分类正确率妇- 4.粗糙集理论为解决多属性决策问题提供了有利工具。本文通过对多人多属 性决策问题的描述，提出将不同决策者的不相容决策对象进行合并分析，得到更 加直观明确的规则，并对规则集进行了构成分析。 5基于不可分辨关系或相似关系的传统粗糙集方法不适于解决带有准则的决 策分析问题。本文根据基于优势关系的扩展粗糙集模型，提出了优势矩阵的概念， 在此基础上建立优势函数计算得到决策表的最简决策规贴偏利用传统粗糙集方 法得到的规则相比，这类规则更具一般性，适用性更强。此外，为了消除规则集 中的冗余性，本文提出了规则化简的方法少一飞 6.冲突是社会生活中的一种普遍现象，冲突分析和谈判在经济、政治和军事 等领域起着非常重要的作用。本文通过将冲突分析与粗糙集理论相结合，利用信 息表表示冲突问题，提出了冲突矩阵的概念。1据冲突函数的不同定义和闽值设 定，提出导致不同紧密程度的联盟以及不同类型联盟的方法，并进行带有闽值的 局中人的实力一策略分析。在此基础上，提出了减少联盟之间冲突程度的谈判模型。 此外，本文提出了分辨矩阵II的概念及其相应的冲突函数表示。卜一万，一‘ 关键词:粗糙集 数据挖掘增量式学习专家系统 知识获取 多属性决策分析 冲突分析谈牙 Abstract Roughset(RS)theoryisarelativelynewsoft-computingtooltodealwith vaguenessanduncertainty.Ithasbeenappliedtomanyfieldssuccessfully,suchas machinelearning,knowledgeacquisition,decisionanalysis,knowledgediscoveryin databases,expertsystemsandpatternrecognitionetc.Inthisdissertation,some elementarynotionsandresultsofroughsettheoryarereviewed.Thebasicconceptsare introducedandageneralmodelofrulegeneration,modificationandclassificationisput forward.Basedontheabovementi