智能信息技术基础-9粗糙.pptVIP

粗糙集理论Rough Set Theroy 封筠 Email：fengjun7171@ :6621/ User: Student.feng 08-04 Outline 一、引言 二、粗糙集基本理论 三、粗糙集应用 一、引言 1、模糊集局限 2、起源 3、基本特点 4、应用领域 5、研究现状与发展趋势 1、模糊集局限 2、 起源 2、 起源 2、 起源 3、基本特点 其基本思想是使用等价关系将集合中的元素进行分类，生成集合的某种划分，与等价关系相对应。根据等价关系的理论，同一分组（等价类）内的元素是不可分辨的，对信息的处理可以在等价类的粒度上进行，由此可以达到对信息进行简化的目的。 3、基本特点 4、应用领域 5、研究现状与发展趋势 二、粗糙集基本理论 1、知识分类 1、知识分类 1、知识分类 1、知识分类 1、知识分类 2、知识的约简 2、知识的约简 3、决策表的约简 3、决策表的约简 3、决策表的约简 3、决策表的约简 3、决策表的约简 3、决策表的约简 3、决策表的约简 3、决策表的约简 4、粗糙集的实验系统 4、粗糙集的实验系统 三、粗糙集应用 1、粗糙模糊集合 2、粗糙神经网络 3、系统评估粗糙集方法 4、文字识别的粗糙集方法 4、文字识别的粗糙集方法 4、文字识别的粗糙集方法 The End ROSE 波兰Poznan科技大学基于粗糙集开发了ROSE(Rough Set data Explorer), 用于决策分析。 它是Rough Das Rough Class系统的新版，其中RoughDas执行信息系统数据分析任务，RoughClass支持新对象的分类，这两个系统已经在许多实际领域中得到应用。 KDD—R KDD-R是由加拿大的Regina大学开发的基于可变精度粗糙集模型，采用知识发现的决策矩阵方法开发了KDD-R系统，这个系统被用来对医学数据分析，以此产生症状与病证之间新的联系，另外它还支持电信工业的市场研究。 1、粗糙模糊集合 2、粗糙神经网络 3、系统评估粗糙集方法 4、文字识别的粗糙集方法 在现实世界中许多复杂系统具有多目标、多层次、多关联、动态、信息不完备等特点，需要人们在领域信息不完整、不确定、不精确的前提下完成对系统的分析、评估和决策，因此采用常用的综合评估方法进行评估有一定的困难。 决策表 （样本数据） 数据预处理 （离散化） 决策表的 属性约简 形成评 估规则 应用评估规 则进行评估 * * * * 1965年，Zadeh提出了模糊集，不少理论计算机科学家和逻辑学家试图通过这一理论解决G.Frege的含糊概念，但模糊集理论采用隶属度函数来处理模糊性，而基本的隶属度是凭经验或者由领域专家给出，所以具有相当的主观性。 20世纪80年代初，波兰的Pawlak针对G.Frege的边界线区域思想提出了粗糙集（Rough Set）﹐他把那些无法确认的个体都归属于边界线区域，而这种边界线区域被定义为上近似集和下近似集之差集。由于它有确定的数学公式描述，完全由数据决定，，所以更有客观性 。 粗糙集理论的主要优势之一是它不需要任何预备的或额外的有关数据信息。自提出以来，许多计算机科学家和数学家对粗糙集理论及其应用进行了坚持不懈的研究，使之在理论上日趋完善，特别是由于20世纪80年代末和90年代初在知识发现等领域得到了成功的应用而越来越受到国际上的广泛关注。 1991年波兰Pawlak教授的第一本关于粗糙集的专著《Rough Sets：Theoretical Aspects of Reasoning about Data 》和1992年R.Slowinski主编的关于粗糙集应用及其与相关方法比较研究的论文集的出版，推动了国际上对粗糙集理论与应用的深入研究。1992年在波兰Kiekrz召开了第1届国际粗糙集讨论会。从此每年召开一次与粗糙集理论为主题的国际研讨会。 粗糙集仅仅从数据本身进行分析，通过建立新型的成员关系，计算成员归属程度的不确定性，无需任何先验知识。 粗糙集理论将知识的粒度性视为已有知识不能精确表示某些概念的原因，它可以表达和处理不确定的信息，并对数据进行简化，保留关键信息，能正确识别数据之间的依赖关系，能从经验数据中获取易于证实的规则知识。 粗糙集与模糊集分别表达了不确定信息的两个方面：粗糙集以等价（不可分辨）关系为基础，由一对精确集合（上、下近似集）所界定，信息的不确定性表现在分辨率上，产生不确定性的原因是缺乏足够的论域知识；模糊集基于元素对集合的隶属程度不同，强调集合边界的含糊性。 数据库知识发现 专家系统 模式识别 图像处理 决策支持系统 自动控制 2001年5月在重庆召开了“第1届中国