第五讲：粗糙集(RoughSet).docVIP

粗糙集（Rough Set，RS） 如果我们将研究对象看成是现象，那么我们可以将这些现象分类。现象被分为确定现象与不确定现象。不确定现象有分为随机现象，模糊现象和信息不全的粗糙现象。如下所示： 相对于前两种现象的处理，粗糙现象是基于不完全的信息或知识去处理不分明的现象，因此需要基于观测或者测量到的部分信息对数据进行分类，这就需要与概率统计和模糊数学不同的处理手段，这就是粗糙集理论。直观地讲，粗糙集是基于一系列既不知道多了还是少了，也不知道有用还是没用的不确定、不完整乃至于部分信息相互矛盾的数据或者描述来对数据进行分析、推测未知信息。下面我们对粗糙集的基本特征、以及数学符号进行简述。 1．粗糙集的特点 粗糙集的特点是利用不精确、不确定、部分真实的信息来得到易于处理、鲁棒性强、成本低廉的决策方案。因此更适合于解决某些现实系统，比如，中医诊断，统计报表的综合处理等。粗糙集的另一个重要特点就是它只依赖于数据本身，不需要样本之外的先验知识或者附加信息，因此挑选出来的决策属性可以避免主观性，有英雄不问出身的意味。用粗糙集来处理的数据类型包括确定性的、非确定性的、不精确的、不完整的、多变量的、数值的、非数值的。粗糙集使用上、下近似来刻画不确定性，使得边界有了清晰的数学意义并且降低了算法设计的随意性。 3．粗糙集的基本概念 粗糙集要涉及论域（这与模糊系统相似），还要涉及属性集合（这被认为是知识，或者知识库）。当然，也要有属性值域，以及从到的信息函数。因此，一个信息系统可以表示为一个四元组。在不混淆的情况下，简记为，也称为知识库。 等价关系（通常用来代替分类）是不可或缺的概念，根据等价关系可以划论域中样本为等价类。而每个等价类被称为同一个对象。但是，等价关系又是建立在不可分辨概念之上的，为了便于描述这里的等价关系，我们首先介绍不可分辨性。 设为一个非空子集，如果，均有成立，那么，我们称关于属性子集不可分辨。不可分辨关系，简记为，是一种等价关系（易验证它满足等价关系的数学公理），于是可以将论域中的元素分成若干等价类，每一个等价类称为知识库的知识颗粒。全体等价类组成的集合记为，称之为基本集合。若集合X可以表示成某些基本集的并时，则称X是B精确集，否则称为B粗糙集。 粗糙集中的“粗糙” 主要体现在边界域的存在，而边界又是由下、上近似来刻画的。对于任意，关于现有知识的下、上近似分别定义为： ，。 的确定域，是指论域中那些在现有知识之下能够确定地归入集合的元素的集合。反之，被称为否定域。边界域是某种意义上论域的不确定域，即在现有知识之下中那些既不能肯定在中，又不能肯定归入中的元素的集合，记为。 样本子集X的不确定性程度可以用粗糙度来刻画，粗糙度的定义为： 式中表示集合的基数（集合中元素的个数）。显然，，如果，则称集合X关于R是确定的；如果，则称集合X关于R是粗糙的，可认为是在等价关系R下逼近集合X的精度。 为了使得上述概念具体化，下面我们举一个例子说明如何理解和计算以上相应的概念和对应量。 例. 针对一下医学信息表我们来理解前面所提到的概念。 表1 某医疗信息表 属性 对象 条件属性C 决策属性D 头疼r1 肌肉疼r2 体温r3 流感 是 是 正常 否 是 是 高 是 是 是 很高 是 否 是 正常 否 否 否 高 否 否 是 很高 是 依据此表，如果取属性子集，。 那么我们下面给出的上近似集、下近似集、确定域、边界域、粗糙度。 解：①计算论域U的所有R基本集： 令 ②确定样本子集与基本集的关系 ③计算、、： ④计算近似精确度： 与粗糙度类似，在给出了两个知识集（特征属性）的相对肯定域的概念之后，我们也可以一个量来刻画两个知识集的依赖度。设为一个知识库，为两个知识集。令 ，称为知识依赖于知识的依赖度。特别，当时称为完全依赖；时，部分依赖；时，完全独立于知识。 3．知识约简 知识约简是粗糙集的核心内容之一，它是研究知识库中哪些知识是必要的，以及在保持分类能力不变的前提下，删除冗余的知识。在粗糙集应用中，约简与核是两个最重要的基本概念。 （1）一般约简 设是属性集，中的每一个属性都是不可省略的。如果且，则称是的一个约简（Reduce）,记为。另外，若以记中所有不可省略的属性集合称为的核（Core），那么所有约简的交正好等于的核，即。该式的意义在于，不仅体现了核与所有约简的关系直接由约简得到，而且也表明了核是知识库中最重要的部分，是进行知识约简的过程中不能删除的知识。 （2）相对约简 一般地，考虑一个分类相对于另一个分类的关系，这就导出了相对约简与相对核的概念。在粗糙集中，相对约简的概念是条件属性相对决策属性的约简。我们需要给出如下的概念： 设和为论域上的两个等