第8章 粗糙集.ppt

* * * * * * * 数据仓库与数据挖掘 * * 数据仓库与数据挖掘 * 8.5.3 可辨识矩阵 可辨识矩阵是一个依主对角线对称的矩阵 可辨识矩阵中的每一个元素是一些变量的集合，这些变量能够使得相应的两行区分开来 * 数据仓库与数据挖掘 * 8.5.3 可辨识矩阵 条件属性 决策属性(d) 可见度(x1) 温度(x2) 湿度(x3) 是否大风(x4) ? 1 Sunny Hot High False N 2 Sunny Hot High True N 3 Overcast Hot High False P 4 Rain Mild High False P 5 Rain Cool Normal False P 6 Rain Cool Normal True N 第1行和第3行的决策属性不相同，能把这两行区分开来的条件属性仅有x1，因此矩阵的(1,3)位置上是x1。 作业 1-5 * 数据仓库与数据挖掘 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 数据仓库与数据挖掘 数据仓库与数据挖掘 * 数据仓库与数据挖掘 * 第8章 粗糙集 主讲：张莉 Email：zhangliml@suda.edu.cn * 数据仓库与数据挖掘 * 第8章 粗糙集 8.1 引例 8.2 分类与知识 8.3 粗糙集 8.4 辨识知识的简化 8.5 决策规则简化 * 数据仓库与数据挖掘 * 粗糙集 粗糙集（Rough Set，RS）理论 波兰数学家Z.Pawlak于1982年提出 不完整性和不精确性的数学工具 分析和处理不完备性数据 发现数据间隐藏的关系 揭示潜在规律 * 数据仓库与数据挖掘 * 粗糙集 特点 不需要任何预备或额外的知识 数据本身提供的信息 应用 知识获取 机器学习 决策分析 智能控制 专家系统 数据挖掘 … * 数据仓库与数据挖掘 * 8.1 引例 怎样确定两块积木是否相同？ 如果某个小朋友色盲，有没有他或她不能区分的两块积木？ 如果几个小朋友做一个游戏：通过一个小孔观察积木，那么他们只能看到积木的颜色和形状，并不能判断积木的大小。这时，他们不能区分哪两块积木？ 积木 颜色 形状 大小 x1 红 圆 小 x2 蓝 方 大 x3 红 三角 小 x4 蓝 三角 小 x5 黄 圆 小 x6 黄 方 小 X7 红 三角 大 X8 黄 三角 大 8.2 分类与知识 8.2.1 等价关系和等价类 8.2.2 分类 * 数据仓库与数据挖掘 * * 数据仓库与数据挖掘 * 8.2.1 等价关系和等价类 等价关系：设R为定义在集合A上的一个关系，若R是自反的，对称的和传递的，则称R为等价关系。 等价类：设R为集合A上的等价关系，对任何a∈A，集合[a]R={x|x∈A,aRx}称为元素a形成的R等价类。由等价类的定义可知[a]R是非空的，因为a∈[a]R * 数据仓库与数据挖掘 * 知识 知识 一种进行分类的能力 一种将现实或抽象的对象进行分类的能力 知识即分类 根据待分辨事物的特征差别，将其进行分类的能力就可以看做是知识 知识库 当给定了一个数据上的等价关系集合，在等价关系集合下对该数据集合进行的划分，则就会被称为知识库 * 数据仓库与数据挖掘 * 8.2.2 分类 族集： 论域U上的一族划分称为关于U的一个知识库 一个知识库就是一个关系系统K=(U,R)，其中U是非空有限集，R为U上等价关系的一个族集 不可辨识关系： 若P∈R，且P≠φ，则P中所有等价关系的交集也是一个等价关系，称为P上的不可辨识关系，记为ind(P) U/ind(P)（即等价关系ind(P)的所有等价类） 表示与等价关系P相关的知识，称为K中关于U的P基本知识(基本集) 举例 * 数据仓库与数据挖掘 * 积木 颜色 形状 大小 x1 红 圆 小 x2 蓝 方 大 x3 红 三角 小 x4 蓝 三角 小 x5 黄 圆 小 x6 黄 方 小 X7 红 三角 大 X8 黄 三角 大 * 数据仓库与数据挖掘 * 8.3 粗糙集 8.3.1 分类的运算 8.3.2 分类的表达能力 8.3.3 上近似集和下近似集 8.3.4 正域、负域和边界 8.3.5 粗糙集应用举例 8.3.6 粗糙集的性质 分类的运算 多个分类构成的集合可以通过共同作用，形成一个合成的分类，对应一个等价关系 分类合成 合成两个分类 R1={{x1,x3,x4},{x2}}和R2={{x1,x2},{