基于粗糙集的模式匹配方法.pdfVIP

V01．8No．12 2008 第8卷第12期2008年6月 科学技术与工程 June Science and @2008 1671-1819(2008)12—3331·03 TechnologyEngineering Sci．Tech．Engng． 基于粗糙集的模式匹配方法 荣芳伟 张树生赵寒 (西北工业大学现代设计与集成制造技术教育部重点实验室，西安710072) 摘要模式匹配在信息集成和数据挖掘领域有着广泛应用，提出了一种基于粗糙集和神经网络的模武匹配方法，利用粗糙 集的属性约简机理，对模式属性进行约简，然后通过BP神经网络分类以达到匹配目的。该方法大大的降低了神经网络输入 向量维数。实验结果表明该方法能够有效地提高匹配效率和准确率。 关键词模式匹配 粗糙集 人工神经网络 信息集成 中图法分类号TP31l； 文献标志码A 法。粗糙集理论是建立在分类机制的基础上的，它 随着信息化技术和Intemet的迅猛发展，信息 规模不断变大，为了满足人们对信息的发现和获取 将分类理解为在特定空问上的等价关系，而等价关 的更高需求，异构信息集成是解决问题的关键。而 系构成了对该空间的划分。粗糙集理论将知识理 异构问题的解决归根到底是语义冲突的解决。而 解为等价关系对数据的划分，每一被划分的集合称 模式匹配是解决语义冲突的一种重要手段。机器 为概念。该理论与其他处理不确定和不精确问题 学习方法在模式匹配中有广泛的应用，如K一近邻分 理论的最显著的区别是它无需提供问题所需处理 类算法…，人工神经网络方法∽J，朴素贝叶斯方法 的数据集合之外的任何先验信息，所以对问题的不 等，这些传统的方法在特殊领域中有较高的准确 确定性的描述或处理比较客观。下面给出粗糙集 率，但各自仍存在不足。如神经网络，当网络规模 的一些定义： 较大、样本较多时，训练过程变得复杂而且漫长。 定义1知识库可表示为K=(u，尺)，其中尺 粗糙集理论是一种新的处理模糊和不确定信息的 为论域u上的等价关系集合，则U／R表示R将U 全新数学工具，它可以从大量的数据中分析、推理、 分成的所有等价类构成的等价类簇。 挖掘隐含知识及规律。为此本文结合粗糙集的属 定义2给定近似空间均K=(u，R)，P∈尺且 性约简和人工神经网络的优点，提出一种基于模式 P≠圣，P中所有等价关系的交集称为P上的一种 的匹配方法。该算法能够在不影响匹配精确度的 不分明关系(或称不可区分关系)，记作IND 情况下有效地提高效率。 (P)，即： R。 M删，)_8M 1粗糙集理沦 定义3 给定近似空间K=(U，尺)，x∈u称U 上的一个概念，非空子集P∈R所产生的不分明关 粗糙集理论㈨是波兰数学家Z．Pawlak于1982 年提出的一种数据分析理论。粗糙集理论在信息 为基本知识，相应的等价关系称为基本概念。 系统分析、人工智能及应用、知识发现、决策分析、 定义4令足是一族等价关系，，若IND(R)= 模式识别、模糊控制等方面提供了一种新的数学方 IND(R一{尺})，，则称R为足中不必要的，否则就 是必要的。若每一个R∈R都是中必要的，则称R