(计算机,人工智能和信息技术.docVIP

计算机，人工智能和信息技术 在不完备信息系统中的知识获取：一种粗糙集方法 Yee Leung a,*, Wei-Zhi Wu b,c, Wen-Xiu Zhang b a香港香港中文大学地理和资源管理部，环境政策和资源管理中心和地球信息科学联合实验室 b中国陕西西安西安交通大学自然科学学院信息与系统科学研究所，邮编710049 c中国浙江舟山浙江海洋学院信息学院，邮编316004 摘要 本文阐述了用粗糙集理论在不完备信息系统中的知识获取。不完备系统中的相似类的概念被首次提出。两种不同的分区，上，下近似，为了在不完备决策表中的确定的关联规则的采集于是形成。一类“某些最佳的”和另一类“最佳的关联”决策规则被生成。与每一个决策规则有关的两个新的量化措施，“随机确定性因素”和“随机覆盖因子”被进一步提出来解释在不完备决策表中的规则的条件和判定部分的关系。在此类表中最佳规则的描述和归纳的减少也被验证。 介绍 Pawlak(1982)提出的粗糙集理论是一个表现不足的和不完整的特点的信息智能系统研究的集合论的延伸。使用在粗糙集理论中上，下近似的概念，隐藏在信息系统中的知识可能是被拆开的并以决策规则的形式被表达。 上，下近似的经典定义，有时被叫做Pawlak粗糙近似，最初和涉及到被假设为一个等价关系（自反，对称和传递）)(Pawlak, 1982, 1991)的不可识别性关系一起被引入。这种模式在