粗糙集理论及其应用进展-胡可云.pdfVIP

( ) ISSN 清华大学学报 自然科学版 2001 年 第 41 卷 第 1 期 1732 CN 112223N 　 ( ) , 2001, . 41, . 1 64 68 J T singhua U niv Sci T ech V o l N o 　 粗糙集理论及其应用进展 胡可云, 　陆玉昌, 　石纯一 (清华大学 计算机科学与技术系, 北京 100084) 摘　要: 粗糙集理论是一种新型的处理模糊和不确定知识 是造成使用已有知识不能精确地表示某些概念的原 的数学工具。目前已在人工智能、知识与数据发现、模式识别 因。通过引入不可区分关系作为粗糙集理论的基础, 与分类、故障检测等方面得到了广泛应用。首先描述了粗糙 并在此基础上定义了上下近似等概念, 粗糙集理论 集的基本算法及其复杂度, 包括等价关系, 上下近似及各种 能够有效地逼近这些概念。 约简算法; 接着对粗糙集扩展理论, 如可变精度模型, 相似模 新型成员关系。和模糊集合需要指定成员隶属 型等进行了讨论, 然后对粗糙集在数据挖掘、大数据集、粗糙 度不同, 粗糙集的成员是客观计算的, 只和已知数据 逻辑、多方法融合等领域中的应用进展情况进行了论述, 最 后给出了建议的研究方向。 有关, 从而避免了主观因素的影响。 采用粗糙集理论作为研究知识发现的工具具有 关键词: 粗糙集; 知识发现; 数据分析 许多优点。粗糙集理论将知识定义为不可区分关系 中图分类号: T P 18 文献标识码: A 的一个族集, 这使得知识具有了一种清晰的数学意 文 章 编 号: (2001) 义, 并可使用数学方法进行处理。粗糙集理论能够分 析隐藏在数据中的事实而不需要关于数据的任何附 A dvan ce s in rough set theory 加信息。 an d its app l ia t ion s 但是, 在粗糙集合应用于实际系统时, 仍然存在 一些实际问题。例如约简的有效计算问题, 如何处理 HU Ke yun , LU Yucha ng , SH I Chuny i 数据中的噪音和丢失值问题。为解决上述问题, 有许 (D ep artm en t of Com p u ter