人工智能AI4章节计算智能课件幻灯片.pptVIP

* 不分明关系 不分明关系作为RS理论的基础，亦称为等价关系 定义4.11 对信息系统IS={ U, A, V, f }，设B A，不分明关系定义为 IND(B)={( x, y )∈U×U | fb(x) = fb(y) , for b∈B } 显然，若(x, y)∈IND(B)，则对象x, y在属性集B上是等价的，即不可区分的。 4.5.2 粗糙集的基本理论 2.不分明关系 * 等价类 依据IND(B)，能将U划成不同类，可建立任意对象x关于B的等价类[ x ]B， 定义4.12 设B A，对所有 x∈ U ，关于B的等价类[ x ]B定义为 [ x ]B={ y∈U | (x, y) ∈IND(B) } 等价划分 依据IND(B)，可将U划分为若干个等价类，这些等价类的集合又被称为等价划分，记为U/IND(B)，或简记为U/B 。 例4.22 如表4.12所述信息系统，求其等价类和等价划分。 解：由其条件属性集C ={a1 , a2 , a3 },的IND(C), 可导出以下4个等价类： [u1]C={u1 , u5}, [u2]C={u2 , u3}, [u4]C={u4}, [u6]C={u6} 从而有如下等价划分： U/C={ {u1 , u5}, {u2 , u3}, {u4}, {u6} } 4.5.2 粗糙集的基本理论 3.等价类和等价划分 * 粗集的概念是通过上近似和下近似所确定的边界区域进行定义的。 上近似和下近似 定义4.13 设X U, B A, X对B的下近似B-(X) 可定义为X所包含的关于B的所有等价类的并集： B-(X) =∪{ [x]B | [x]B X }，也即 B-(X)={ x∈U | [x]B X } X对B的上近似B-(X)可定义为与X交集非空的关于B的所有等价类的并集。 B-(X)=∪{ [x]B | [x]B∩X≠Ф} ，也即B-(X)={ x∈U | [x]B∩X≠Ф} 例4.23 对表4.12所述信息系统，令X= ={u1 , u2 ,u3 },求关于条件属性集C的上近似和下近似。 解：由例4.22已求出其其条件属性集C ={a1 , a2 , a3 }的不分明关系IND(C), 可导出以下4个等价类： {u1 , u5}, {u2 , u3}, {u4}, {u6} 及其等价划分：U/C={ {u1 , u5}, {u2 , u3}, {u4}, {u6} } 由于可为X包含的等价类[u]C仅有{u2 , u3}, 即下近似为 C-(X) = {u2 , u3} 又由于 {u1, u5}∩{u1, u2 ,u3 } ≠Ф , {u2, u3}∩{u1 , u2 ,u3 } ≠Ф，即上近似为 Cˉ(X) = {u1 , u2 , u3 , u5} 4.5.2 粗糙集的基本理论 4.上近似和下近似 * 定义4.14 设X U, B A，对象集X关于属性集B的边界区域定义为 BNB ( x ) = B-(X) - B-(X) 定义4.15 设X U, B A，由对象集X关于属性集B的边界区域的定义，若BNB ( x ) ≠Ф，则称BNB ( x )是对象集X关于属性集B的粗糙集。 例4.24 对表4.12所述信息系统，令X= ={u1 , u2 ,u3 },求关于条件属性集C的边界区域及其粗集。 解：由上例可得到X关于C的边界区域为： BNc= Cˉ(X) - C-(X) = {u1 , u2 , u3 , u5} - {u2 , u3} = {u1 , u5} 由于BNc非空，因此得到对象集X关于属性集C的粗糙集为 {u1 , u5} 4.5.2 粗糙集的基本理论 5.边界区域和粗集 * 决策表约简是指化简决策表中的条件属性和属性值，使得决策表在保持决策能力的同时，具有较少的条件属性和属性值。 所谓决策能力，是指分类能力，即依据条件属性值，判别对象的类属。 4.5.3 决策表的约简 1. 一致性检查 2. 条件属性约简 3.