数据分析基础理论及软计算.ppt

数据分析技术 基础理论——概率理论 基础理论——信息熵 基础理论——模糊集 基础理论——粗糙集 基础理论——D-S证据理论 软计算——遗传算法 模糊集的距离 贴近度 ：距离的补 模糊集的距离 模糊等价关系 ： 设R=(rij)n?m是论域U上的模糊关系，如果它满足 自反性 rii=1 对称性 rij= rji （i，j=1,2,…,n) 称R为相似矩阵 还满足传递性 ，称R为等价矩阵 模糊集距离的应用——等价划分 定理1：若模糊关系矩阵R是模糊等价关系，则对于任意的??[0,1]，所得的?截矩阵R?也是等价关系 模糊集的距离 等价划分：由等价关系将U划分成等价类，记为 U/R 模糊集距离的应用——等价划分 划分方法 ：设x1,x2,…, xn是一组样本，每一样本xi有m个属性， aij表示第i个样本的第j个属性的值，sij表示xi与xj的贴近度 1）计算相似度矩阵S=(sij)n?n 2）反复利用的合成 ，直至 3） Sl为模糊等价矩阵，通过?截矩阵对 xi(i=1,2,…,n)进行划分 定理2：若0??1??2? 1，则R?2所分出的每 一类必是R?1的某一类的子类，即R?2分类是R?1分类的“加细” 模糊集的距离 设x1,x2,…, x5为五个环境区域，每个区的环境因素包括空气(A1)，水(A2) ，土壤(A3) ，作物(A4) ，环境区的污染状况由四要素中污染含量超标度来描述 模糊集距离的应用——等价划分 1 5 4 2 x5 1 3 5 1 x4 3 2 5 5 x3 5 4 3 2 x2 2 3 5 5 x1 A4 A3 A2 A1 样本 区域xi与xj的贴近度为sij，c=0.1 模糊集的距离 模糊集距离的应用——等价划分 R自反、对称， R是模糊相似矩阵 取?=0.5 ，R4的截矩阵R0.5 {x1,x3, x4,x5}、{x2} {x1,x3}、{ x4,x5}、{x2} 粗糙集模型通过等价类去逼近待测定的集合 粗糙集 等价关系 ：R是论域U上的等价关系关系，表明： 对a,b,c? U,有(a,a)? R 若(a,b)? R，则(b,a)? R 若(a,b)? R， (b,c)? R，则(a,c)? R 测量闭曲线C围成的面积S 将曲线放在一张坐标纸上，用S与有交的方格面积之和 和S所包含的方格面积之和 来逼近 粗糙集 设X为论域U上的任一子集， R是U上的等价关系 集合X的下近似 ： 集合X的上近似 ： X为R的可定义集（精确集），当且仅当 X为R的可粗糙集，当且仅当 X的R边界域： X关于R的近似精度： 包含元素x的R的等价类 粗糙逼近的特殊情况 如果 ，X为R的外不可定义 如果 ，X为R的内不可定义 如果 ，且 ，X为R的全不可定义 粗糙集 粗糙逼近的比较 1）若 ，称X和Y下粗相等，记为X ∽ RY 2）若 ，称X和Y上粗相等，记为X ∽ RY 3）若 且 ，称X和Y粗糙相等，记为X ? RY 上、下近似的性质 1） 2） 3） 4） 5）若 ，则 ， 粗糙模糊集 论域U为年龄，老年 是 U上的模糊子集，其隶属函数如图 将粗糙集模型应用到模糊集上 设 是论域U上的一个模糊子集，R是 U上的一个等价关系 关于R的上近似 和下近似 定义为U上的一对模糊集合 其隶属函数分别定义为 “老教师”这个等价类的年龄段为 “老教师”隶属于 和 的隶属度 粗糙模糊集 粗糙模糊集的性质 1） 2） 3） 4） 5） 6） 上、下近似的性质 概率粗糙集 设R是论域U上的等价关系，p为定义在U的子集上的概率测度 ?和?为给定的阈值，且0? ? ? ?1 对于任意的X?U, X的概率上近似 和概率下近似