第5章节5.3.1粗糙集.pptVIP

3） 在{a2，a3}中只能删除一个属性 即存在两个约简： 从实例计算可以看出，信息表的属性约简是在 保持条件属性相对决策属性的分类能力不变的 条件下，删除不必要的或不重要的属性。 一般来讲： 条件属性对于决策属性的相对约简不是唯一的，即可能存在多个相对约简。 5.3.1.3 属性约简的粗糙集方法 1．属性依赖度定义 信息表中条件属性C和决策属性D，属性D依赖属性C的 依赖度为： 其中 表示正域 的元素个数， 表示整个对象集合的个数。 的性质 ①若 ＝1，意味着 ，即已知条件C下，可将U上全部个体准确分类到决策属性D的类别中去，即D完全依赖于C。 ②若0 1,则称D部分依赖于C（D Rough依赖于C），即在已知条件C下，只能将U上那些属于正域的个体分类到决策属性D的类别中去。 ③若 ＝0，则称D完全不依赖C，即利用条件C不 能分类到D中的类别中去。 2.属性重要度定义 C,D A，C为条件属性集，D为决策属性集，a∈C ，属性a关于D 的重要度定义为： 其中 表示在中缺少属性a 后，条件属性与决策属性的依赖程度。 表示 C 中缺少属性a 后，导致不能被准确分类的对象在系统中所占的比例。 2. 性质 （1） ∈[0，1] （2）若 = 0，表示属性a关于D是可省的。因为从属性集中去除属性a后，C-{a}中的信息，原来可被准确分类所有对象仍能准确划分到各决策类中去。 （3） ≠0，表示属性a关于D是不可省的。 因为为从属性集C中去除属性a后，某些原来可被准确分类的对象不再能被准确划分。 3.最小属性集概念 大多数情况下，数据库中存在一些不重要属 性，我们希望找到一个最小的相关属性集，它 具有与全部条件属性同样的区分决策属性所划 分的决策类的能力。 从最小属性集中产生的规则会更简练和更有意义。 最小属性集定义： 设C，D分别是条件属性集和决策属性集，属性集 是C的一个最小属性集，当且仅当 并且 若P是C的最小属性集，则P具有与C同样的区分决策类的能力。 需要注意的是，C的最小属性集一般是不唯一的，而要找到所有的最小属性集是一个NP问题。 在大多数应用中，没有必要找到所有的最小属性集。用户可以根据不同的原则来选择一个他认为最好的最小属性集。 5.3.1.4 粗糙集方法的规则获取 通过分析U中的两个划分 和 之间的关系， 把C视为分类条件，D视为分类结论，我们可以得到下面的分类规则： （1）当E Yj??时，则有： rij： 和 分别是等价集Ei和等价集Yj中的特征描述。 ①当E Yj=Ei时（Ei完全被Yj包含）即下近似，建立的规则rij是确定的，规则的可信度 cf =1.0。 ②当E Yj?Ei时（Ei部分被Yj包含）即上近似，建立的规则rij是不确定的，规则的可信度为： CF= （2）当Ei Yj=?时（Ei不被Yj包含）， Ei和Yj不能建立规则。 图示： Ei 和Yj 的上、下近似关系 5.3.1.5 粗糙集方法的应用实例 通过实例说明属性约简和规则获取方法。有下表的数据： ? ? C（条件属性） ? D（决策属性） U 头痛（a） 肌肉痛（b） 体温（c） 流感（d） e1 是（1） 是（1） 正常（0） 否（0） e2 是（1） 是（1） 高（1） 是（1） e3 是（1） 是（1） 很高（2） 是（1） e4 否（0） 是（1） 正常（0） 否（0） e5 否（0） 否（0） 高（1） 否（0） e6 否（0） 是（1） 很高（2） 是（1） e7 是（1） 否（0） 高（1） 是（1） 1．等价集下近似和依赖度的计算 （1）条件属性C（a，b，c）的等价集 由于各元组（对象）之间不存在等价关系， 每个元组组成一个等价集，共七个： E1{e1}，E2{e2}，E3{e3}，E4{e4}，E5{e5}，E6{e6},E7{e7}。 （2）决策属性D（d