第04讲不确定性决策理论与方法答辩.ppt

决策理论与方法 ——不确定性决策理论与方法;不确定性决策理论与方法;不确定性决策;不确定性决策准则;不确定性决策准则;不确定性决策准则;不确定性决策准则;不确定性决策准则;不确定性决策准则;不确定性决策准则;智能决策理论与方法—形成背景;智能决策理论与方法—AI的应用模式;知识发现—动机;知识发现—动机;知识发现—动机;知识发现—动机;Data Mining within the DSS;知识发现—动机;参考书推荐;KDD DM;KDD过程;KDD过程;KDD过程;KDD过程;KDD过程;KDD过程;KDD过程;Taxonomy of Data Mining Methods;Taxonomy of Data Mining Methods;Taxonomy of Data Mining Methods;Taxonomy of Data Mining Methods;Taxonomy of Data Mining Methods;不确定性决策理论与方法;关联规则发现;*;关联规则发现(Apriori算法);关联规则发现(Apriori算法);不确定性决策理论与方法;聚类;聚类;*;聚类：相似性度量;聚类：相似性度量;聚类：相似性度量;聚类：相似性度量;聚类：相似性度量;聚类：相似性度量;聚类：相似性度量;聚类：相似性度量;聚类：主要方法;;;不确定性决策理论与方法;连接分析(Link-Analysis);连接分析— PageRank算法;连接分析— PageRank算法;连接分析— PageRank算法;连接分析— PageRank算法;连接分析— PageRank算法;不确定性决策理论与方法;粗糙集：预备知识;等价关系：R是U上的一个等价关系，当且仅当 对于任意x?U，均有x R x（自反性） 对于任意x, y?U，x R y?y R x（对称性） 对于任意x, y, z?U，x R y ∧ y R z→x R z（传递性） 等价类：若R是U上的一个等价关系，对于任意x?U，称集合[x]={y| y R x, y ?U}为U关于R的一个等价类，记为[x]R。设X1, X2, …, Xn是U关于R的所有等价类，则有： Xi∩Xj=φ（i≠j，i, j=1,2,…,n） X1∪X2∪…∪Xn=U 划分：所有等价类的集合称为U关于R的商集，它构成了U的一个划分，记为U/R。 概念：具有相同特征值的一群对象称为一个概念（一个等价类就是一个概念）;pi T1 pj iff v(pi, T1)=v(pj, T1)，则T1是U上的一个等价关系（类似地可以定义T2, T3, E） X1=[p1]=[p4]=[p6]={p1, p4, p6}为U关于T1的一个等价类 X2=[p2]=[p3]=[p5]={p2, p3, p5}为U关于T1的另一个等价类（T1有多少种取值就有多少个等价类） 显然 X1∩X2=φ; X1∪X2=U 商集U/T1={X1, X2};集合成员：明确的隶属关系 模糊成员：概念模糊(如青年)导致成员模糊 粗糙成员：概念清晰(如感冒)，成员模糊(是否感冒不清楚)，具有概率特征(隶属函数)，但不是概率问题，只是由于根据可用知识无法得到准确结论。;粗糙集理论由Pawlak提出[1982,1991]。粗糙集理论反映了人们以不完全信息或知识去处理一些不可分辨现象的能力，或依据观察、度量到某些不精确的结果而进行分类数据的能力。 Pawlak Z., Rough sets. International Journal of Computer and Information Sciences, 1982(11): 341-356 Pawlak Z., Rough set—Theoretical Aspects of Reasoning about Data, Dordrecht, Boston, London: Kluwer Academic Publishers,1991;知识是主体对论域中的客体进行分类的能力，分类能力越强，主体所具备知识的可靠度越高 分类能力受主体分辨能力的影响，因此分类具有近似性 (粗糙集) 影响分类能力的因素(在信息系统中常描述为属性)很多，不同的因素重要程度不同，其中某些因素起决定性作用 (属性重要性：属性约简) 具有相同属性的实体，属性取值的不同对分类能力也产生影响 (值重要性：值约简) 属性之间存在某种依赖关系(决策规则);信息系统I可以定义为四元组U, A, V, f，其中有限非空集合U是论域，A为关于U的属性集， ，Va表示属性a的值域，映射f: U×A→V表示对?x?U，a?A，有： f(x, a)?V。 决策