第三章 粗糙集.ppt

3.9 扩展的粗糙集模型 3.9 扩展的粗糙集模型 3.9 扩展的粗糙集模型 3.9 扩展的粗糙集模型 本章小结 习题 习题 3.4 知识的约简 知识库中可能含有冗余的知识，知识约简研究知识库中哪些知识是必要的，以及在保持分类能力不变的前提下，删除冗余的知识。知识约简是粗糙集理论的核心内容之一，在数据挖掘领域具有重要的应用意义。 3.4.1 约简和核 3.4.1 约简和核 3.4.1 约简和核 3.4.2 相对约简和相对核 3.4.2 相对约简和相对核 3.4.2 相对约简和相对核 3.4.2 相对约简和相对核 3.4.2 相对约简和相对核 3.5 知识的依赖性 3.5 知识的依赖性 3.6 信息系统 知识的表达方式在智能数据处理中有十分重要的地位。信息系统是一种知识表达方式，利用信息系统和决策表来解释粗糙集的相关概念更易于理解。 3.6.1 信息系统的定义 3.6.1 信息系统的定义 3.6.1 信息系统的定义 3.6.1 信息系统的定义 3.6.2 分辨矩阵与分辨函数 3.6.2 分辨矩阵与分辨函数 3.6.2 分辨矩阵与分辨函数 3.7 决策表 3.7 决策表 3.7 决策表 3.7 决策表 3.8 决策规则 3.8 决策规则 第三章 粗糙集 魏乐 weile@ncepu.edu.cn 第三章 粗糙集 粗糙集(Rough Set)理论是波兰数学家Z. Pawlak于1982年提出的，是一种新的处理含糊性(Vagueness)和不确定性(Uncertainty)问题的数学工具。相对于概率统计、证据理论、模糊集等处理含糊性和不确定性问题的数学工具而言，粗糙集理论既与它们有一定的联系，又有这些理论不具备的优越性。 统计学需要概率分布 证据理论需要基本概率赋值 模糊集理论需要隶属函数而粗糙集理论的主要优势之一就在于它不需要关于数据的任何预备的或额外的信息。 第三章 粗糙集 1991年，Z Pawlak教授撰写了第一本关于粗糙集理论的专著《Rough Sets-Theoretical Aspects of Reasoning about Data》。1992年在波兰召开了第一届国际粗糙第开时会。以后每年都有以粗糙集理论为主题的国际研论会。1995年，第11期的ACM Communication将粗糙集列为人工智能及认知科学领域新浮现的研究课题，并发表了Pawlak等人的“Rough Sets”一文。该文概括性地介绍了粗糙集理论的基本概念及粗糙集在部分领域的研究及进展。 第三章 粗糙集 随着研究工作的不断深入，粗糙集理论已广泛应用于知识发现、机器学习、决策支持、模式识别、专家系统、归纳推理等领域。 主要内容 近似空间 近似空间与不可分辨关系 知识与知识库 近似与粗糙集 近似与粗糙集的基本概念 粗糙集的基本性质 主要内容 粗糙集的特征描述 近似精度 粗糙集隶属函数 拓扑特征 知识约简 约简和核 相对约简和相对核 知识的依赖性 主要内容 信息系统 信息系统的定义 分辨矩阵与分辨函数 决策表 决策规则 扩展的粗糙集模型 可变精度粗糙集模型（VPRS） 相似模型 本章小结 3.1 近似空间 本节将介绍粗糙集理论的重要概念——不可分辨关系。不可分辨关系是等价关系的交集，因此也是一个等价关系。基于不可分辨关系可以定义粗糙集的基本概念——上近似和下近似，从而刻画集合的粗糙性，反映事物的知识粒度。知识库和近似空间是一种知识表达方式。 3.1.1 近似空间与不可分辨关系 定义3.1 设U为所讨论对象的非空有限集合，称为论域；R为建立在U上的一个等价关系，称二元有序组AS=(U, R)为近似空间(Approximate Space)。 近似空间构成论域U的一个划分；若R是U上的一个等价关系，以[x]R表示x的R等价类，U／R表示R的所有等价类构成的集合，即商集；R的所有等价类构成U的一个划分，划分块与等价类相对应。本章以大写字母(如P、Q、R等)表示等价关系，用大写粗体字母(如P、Q、R 等)表示等价关系族。 3.1.1 近似空间与不可分辨关系 定义3.2 令R为等价关系族，设 ，且 ，则P中所有等价关系的交集称为P上的不可分辨关系(Indiscernibility Relation)，记作IND(P)，即有： 显然IND(P)也是等价关系。 3.1.2 知识与知识库 粗糙集理论将分类方法看成知识，分类方法的族集是知识库。等价关系对应论域U的一个划分，即关于论域中对象的一个分类。因此，通过一个等价关系可以形成与之对应的论域知识（即等价类的集合—商集）。从而得到不可分辨关系对应论域U上的知识。 3.1.2 知识与知识库 3.2.1 近似与粗糙集 3.