一种基于粗糙―模糊集理论的知识获取方法.docVIP

一种基于粗糙―模糊集理论的知识获取方法 　　摘要：该文提出了一种基于粗糙－模糊集理论的知识获取方法，该方法将粗糙集理论与模糊集理论相结合，先利用模糊集理论对决策表的连续属性进行模糊化，通过构建模糊相似矩阵进而划分论域；再利用粗糙模糊集理论进行属性约简，从而获取决策规则。最后，通过实例验证了该方法的有效性和实用性。 　　关键词：粗糙集；模糊集；属性约简；知识获取 　　中图分类号：TP393文献标识码：A文章编号：1009-3044(2008)23-1029-03 　　Knowledge Acquisition Approach Based on Rough-Fuzzy Sets 　　CAI Hong, YE Shui-sheng, ZHANG Yong 　　(Nanchang Hang Kong University, School of Computing, Nanchang 330063, China) 　　Abstract: This article presents an approach of knowledge acquisition based on rough and fuzzy sets, which combines features of rough sets and fuzzy sets. The continuous attributes in the decision table are fuzzified with fuzzy membership functions. The domain partition is accomplished after establishing fuzzy similarity matrix. Attributes reduction can be obtained using rough-fuzzy sets, and then decision rules can be acquired. At last, an example is illustrated and proves the approach is effective and practical. 　　Key words: rough sets; fuzzy sets; attributes reduction; knowledge acquisition 　　粗糙集理论是一种处理不完整和不确定信息的有效数学工具，它具有知识获取完全由数据驱动，不需额外信息的优点。但是，粗糙集理论直接处理连续属性的能力非常有限，因而连续属性的离散化成为制约粗糙集理论发展的难点。而模糊集可以通过模糊隶属度函数来刻画集合中子类边界的模糊性，两者正好互补。因此，本文将粗糙集与模糊集理论相结合，提出了一种基于粗糙－模糊集理论的知识获取方法，并通过实例验证了该方法的有效性。 　　 　　1 基于模糊相似关系的论域划分模型 　　 　　1.1 连续属性离散化 　　对于决策表中任一连续属性，根据值域的大小和属性值的分布，可以将其模糊化为k个语义变量，而这k个模糊划分的中心mi可由Kohonen网络自组织映射算法确定。 　　1.2 基于模糊相似关系的论域划分方法 　　1）利用数量积法建立模糊相似矩阵R=(rij)n*n，rij表示对象xi和xj的相似程度。rij定义如下： 　　2）在此基础上，引入置信水平λ，rij经过如下操作，得到普通相似矩阵Rλ。 　　3）基于模糊相似关系的论域划分方法 　　输入：决策表四元组，普通相似矩阵Rλ，其中A=C∪D，C为条件属性集合，D为决策属性集合。 　　输出：论域划分U/ND(Rλα) ={V1,V2,V3,…,Vt}。 　　Step 1：i←1, j←1, t←1, V1←{ u1 } 　　Step 2：if ( i与|U|相等) 划分完成退出 　　else 转向Step 3 　　Step 3：i←i+1, j←1 　　Step 4：if ( μa(ui) 与μa(vj)相等) Vj←Vj∪{ui},转向Step 2 　　else 转向Step 5 　　Step 5：j←j+1 　　Step 6：if (j大于t) t←t+1,Vt←{ui},转向Step 2 　　else 转向Step 4 　　 　　2 基于属性依赖度的约简算法 　　 　　2.1 模糊粗糙集的上、下近似和属性依赖度定义 　　根据基于模糊相似关系的论域划分方法，可以得到属性a∈A且在置信水平λ下对论域U的划分U/ND(Rλα) ，其中不同的属性可以采用不同的置信水平对论域进行划分，那么属性集A对论域U的划分可以表示为： 　　如果用Fi表示式（3）中的U/ND(R