第五章粗集理论应用.doc

第五章 粗集理论的应用 人们在生活中，时刻都在进行模式识别：眼看能分出面前站的是张三还是李四；听声能分出人语还是狗吠；闻味能知道是炸带鱼还是臭豆腐；猫狗能识别主人；再低级的动物也能区分敌害还是食物。这指的是模式识别的能力，人们几乎没有注意识别能力值得研究，似乎是司空见惯的事。当人们企图用计算来实现人或动物所具有的模式识别能力时，它的难度才逐步为人们认识。我们讲的模式识别是指：用计算机实现人的模式识别能力。 什么是模式？存在于时间和空间的事物，如果我们能区别他们，是因为获得了关于这些事物的信息，所以，具有时间或空间分布的信息称为模式。把模式所属类别或同一类中模式的总体称作模式类。 什么是模式识别：具有空间和时间分布的信息向着符号所做的映射（比如：从不同角度看一个人的脸，则视网膜上的像不同，但可以识别出这人是谁，把所有不同角度的像归入某个人这一类）。如果给每个类命名，且用特定符号来表达这个名字，那么，模式识别就可看成是模式向着符号所做的映射。 我们再换个角度，模式是描述样本图象、文字等的信息结构。 1. 模式：具有时空分布的信息； 2. 模式类：具有某种共同特性的模式的集合；或同一类的模式； 3. 模式识别：就是识别出特定对象所模仿的标本，它是判别与标准样本不同的信息结构的过程和方法，或称模式识别是模式向着符号做的映射。 广泛采用的模式识别方法： 1. 统计模式识别方法； 2. 句法结构模式识别方法； 3. 模糊模式识别方法； 4. 智能模式识别的逻辑推理方法； 5. 人工神经网络模式识别方法。 粗集方法在模式识别中的应用，就是基于粗集的智能数据处理系统、基于粗集的与神经网络结合的文字识别系统和基于粗集的图象识别系统等。 本例介绍：模式识别中知识简化的具体步骤和模式简化的表达方式。下面用文字识别为例说明粗集方法在模式识别中的应用。 §1 阿拉伯字母0—9的识别 在此，用a,b,c,d,e,f,g 7个元素组成的图形表达数字0,1,2,…,9这10个阿拉伯文字。 a f g b e c d 从分类角度看，a,b,c,d,e,f,g是描述这些阿拉伯数字的特征。0—9是10种分类结果，将这些文字的表达用决策表表达为表1。 表1 数字显示决策系统 A U a b c d e f g 既表示10个个 体，也表示个体的决策属性值 0 1 2 3 4 5 6 7 8 9 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 0 1 1 0 1 1 0 1 1 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 1 1 0 1 1 0 0 1 1 1 1 1 0 1 1 下面观察10个数字的表达是否需要全部7个特征a,b,c,d,e,f,g，然后求出每个文字根据哪些特征就能识别出来。最后的任务是：求出每一个数字的最小描述和对应的最小决策算法。 表中10个个体对应10个数字，也可看作是决策属性值，所以，表1是信息表也是决策表。表1对数字显示的决策规则及其组成的算法： 我们用Rough集方法对表1进行属性约简和属性值约简，从而找出每个数字的最小描述和相应的最小算法。由此使决策规则得以简化。 第一步：属性约简 首先注意：表1是一致性决策表，即每个数字唯一地由这些属性表示。显然，条件属性c,d均是可约去的，而a,b,c,f,g均是核属性，故核集为{a,b,e,f,g}是唯一的约简集。所以，表1化为表2。 表2 属性约简表 A U a b e f g 0 1 2 3 4 5 6 7 8 9 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 1 1 0 1 1 0 0 1 1 1 1 1 0 1 1 约简表表明的是把个体都区分开，互不相同，但已无形象感觉 第二步：计算表2中每一条决策规则的核值 原则是：将一条规则中的某个属性值约去后，则使原表示出现与该条规则不一致的规则，这意味着该属性值为当前规则中的核值。 例如：移去规则1中的值，则出现规则1和7新的不一致，也就是不能区分数字1与7，对其它规则可做同样分析，最后得到所有决策规则的核值表3。 表3 核值表 A U a b e f g 0 1 2 3 4 5 6 7 8 9 – 0 – – 0 – – 1 – 1 – – – – – 0 0 – 1 1 – – 1 0 – 0 1 – 1 0 – – 0 0 – – – – 1 1 0 – – 1 – – – 0 1 – 第三步：计算每条决策规则的值约简 从表3中可求出每条决策规则的约简：如规则