粗糙集new.ppt

粗糙集 Rough Set 一、 概述 模糊集 粗糙集的提出 粗糙集与其他集合论 粗糙集理论 RS 理论是一种处理不精确、不确定与不完全数据的新的数学方法. 由于它在机器学习与知识发现、数据挖掘、决策支持与分析、专家系统、归纳推理、模式识别等方面的广泛应用，现已成为一个热门的研究领域 RS 理论主要兴趣在于它恰好反映了人们用 RS 方法处理不可分辨问题的常规性，即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，度量到的某些不确定的结果而进行分类数据的能力 粗糙集理论的应用 RS 理论的生命力在于它具有较强的实用性，从诞生到现在虽然只有十几年的时间，但已经在许多领域取得了令人鼓舞的成果。 1）模式识别 2）数据库中知识发现 （KDD） 3）粗糙控制 ( rough control) 另外在经济系统分析和预测、医疗诊断、图象处理 等 粗糙集的研究 粗糙集的研究 研究现状分析 研究现状分析 二、 粗糙集的基本定义 二、 粗糙集的基本定义 “不可分辨关系”： (indiscernability relation) 分类过程中, 相差不大的个体被归于同一类, 它们的关系就是不可分辨关系。假定只用两种黑白颜色把空间中的物体分割两类, {黑色物体},{白色物体},那么同为黑色的两个物体就是不可分辨的, 因为描述它们特征属性的信息相同, 都是黑色. 如果再引入方,圆的属性, 又可以将物体进一步分割为四类: {黑色方物体},{黑色圆物体},{白色方物体},{白色圆物体}. 这时, 如果两个同为黑色方物体, 则它们还是不可分辨的. 不可分辨关系也称为一个等效关系(equivalence relationship ) , 两个白色圆物体间的不可分辨关系可以理解为它们在白,圆两种属性下存在等效关系. “基本集”：(elementary set) 定义为由论域中相互间不可分辨的对象组成的集合, 是组成论域知识的颗粒. 不可分辨关系这一概念在粗糙集理论中十分重要, 它深刻地揭示出知识的颗粒状结构 , 是定义其它概念的基础. 知识可认为是一族 等效关系, 它将论域分割成一系列的等效类. 粗糙集的基本定义 定义1：近似空间（或知识库）是指一个二元序对K=(U, R)，U是一非空有限集，称为论域，R是上的一个二元等价关系， ，也称为U上的一个不可分辨关系。可表示为 定义2：设P?R，且P?? ，则 （P中所有等价关系的交集）也是一种等价关系，称为P上的一种不分辨关系(indiscernbility relation)，记作IND(P) 一玩具积木的知识表达系统 积木论域U={x1,x2,x3,x4,x5,x6,x7,x8} 定义颜色R1，形状R2，体积R3三个属性 R1={红,蓝,黄} （颜色） R2={圆,方,三角} （形状） R3={大,小} （体积） U/R1={{x1,x3,x7},{x2,x4},{x5,x6,x8}} U/R2={{x1,x5},{x2,x6},{x3,x4,x7,x8}} U/R3={{x2,x7,x8},{x1,x3,x4,x5,x6}} U/R表示根据关系R，U中对象构成的所有等价关系。 等价关系定义出按照属性R对U的划分 上例中还可得到如下等价关系（类） U/R=U/{R1,R2,R3}={{x1},{x2},…{8}} （8个类） U/{R1,R2}={{x1},{x2},{x3,x7},{x4},{x5},{x6},{x8}} （7个类） U/{R1,R3}={{x1,x3},{x2},{x4},{x5,x6},{x7},{x8} （6个类） U/{R2,R3}={{x1,x5},x2,{x3,x4},{x6},{x7,x8}} （5个类） 上近似、下近似和边界区域 集近似图示 举例 集近似实例 粗糙集的性质 应用举例 本例中教育程度为条件属性;是否找到了好工作为决策属性. 　　姓名 教育程度 是否找到了好工作 　　王治 高中 否 　　马丽 高中 是 　　李得 小学 否 　　刘保 大学 是 　　赵凯 博士 是 设O 表示找到了好工作的人的集合, 则 O = {马丽, 刘保, 赵凯}, 设I 表示属性教育 程度所构成的一个等效关系, 根据教育程度的不同, 该论域被分割为四个等效类: {王治, 马丽},{李得},{刘保},{赵凯}. 王治和马丽在 同一个等效类中, 他们都为高中文化程度, 是不可分辨的. 则: 　　集合O 的下逼近(即正区) 为 PO S (O ) = {刘保,赵凯}