.粗糙集理论及其应用.pptVIP

* * 主要内容 ?? 粗糙集发展历程 粗糙集的基本理论介绍 ?? 粗糙集的属性约简算法研究 * * 利用启发式搜索进行属性约简 几个概念： 正区域：在信息系统S=(U, C?D, V, f)中，设D*= {X1,X2,…,Xm}，属性子集P?C关于决策属性D的“正区域”定义为： P关于D的正区域表示那些根据属性子集P就能 分入正确类别的所有对象。 * * 利用启发式搜索进行属性约简 相关程度： 条件属性子集P?C与决策属性D的相关程度（也称依赖程度）定义为： 显然，0 ? k(P, D) ? 1。k(P, D)为计算条件属性子集P与决策属性D之间的相关程度提供了非常有力的手段。 * * 利用启发式搜索进行属性约简 有效值： 一个属性p?P?C的有效值(significant value)定义为： 【说明】：属性p的有效值越大，说明其对条件属性与决策属性之间的影响越大，即其重要性也越大。 * * 利用启发式搜索进行属性约简 算法步骤： 第1步. ?a ∈ A: 计算邻域关系Νa ; 第2步. 将? 赋给red ； 第3步. 对任意ai∈A-red ， 计算 //此处定义K?(D) = 0 第4步. 如果SIG(ak,red,D) 0 ,将red U ak 赋给red ， 返回第3步； 否则，返回red，结束。 观看演示 利用启发式搜索进行属性约简 * * 利用启发式搜索进行属性约简 第1步. ?a ∈ A: 计算邻域关系Νa ; 在决策表中设置A={a1,a2,a3,a4,a5,a6,a7,a8},其中C={头痛，胸口痛，体温},D={流感} 那么，就可以设置C1=头痛，C2=胸口痛，C3=体温，所以 A/C1={{a1,a2,a3},{a4,a5,a6,a7,a8}} (头痛分类）?A/C2={{a1,a2,a3,a4,a6,a8},{a5,a7}} （胸口痛分类）?A/C3={{a1,a4},{a2,a5,a7},{a3,a6,a8}} (体温分类） ? * * 利用启发式搜索进行属性约简 第2步. 将? 赋给red ； 第3步. 对任意ai∈A-red ， 计算 ? //此处定义K?(D) = 0 (A-C3): A/{C1,C2}={{a1,a2,a3},{a4,a6,a8},{a5,a7}}?(头疼与胸口疼的分类并集)(A-C2): A/{C1,C3}={{a1},{a2},{a3},{a4},{a5,a7},{a6,a8}}?(A-C1): A/{C2,C3}={{a1,a4},{a2},{a5,a7},{a3,a6,a8}} A/C={{a1},{a2},{a3},{a4},{a5,a7},{a6,a8}}?A/D={{a1,a4,a5,a8},{a2,a3,a6,a7}} Pos _c (D)={a1}U{a2}U{a3}U{a4} //C的正域 * * 利用启发式搜索进行属性约简 第2步. 将? 赋给red ； 第3步. 对任意ai∈A-red ， 计算 ? //此处定义K?(D) = 0 K（C,D）=Pos_c(D)/U=4/8=0.5 //C的依赖程度 (A-C1): A/{C2,C3}={{a1,a4},{a2},{a5,a7},{a3,a6,a8}} A/D={{a1,a4,a5,a8},{a2,a3,a6,a7}} Pos_(c-c1){D}={a1,a2,a4}!=Pos_c(D) K（C-C1,D）=Pos_c-c1(D)/U=3/8 //C-C1的依赖程度 SGF(c1,C,D)= K（C,D）- K（C-C1,D）=1/8 //C1的有效值 * * 利用启发式搜索进行属性约简 第4步. 如果SIG(ak,red,D) 0 ,将red U ak 赋给red ， 返回第3步； SGF(c1,C,D)= K（C,D）- K（C-C1,D）=1/8 0//C1的有效值 将c1加入到red集合中red=｛c1｝ (A-C2): A/{C1,C3}={{a1}