第一讲 Palak粗糙集模型.pptVIP

第一讲: Pawlak粗糙集模型 粗糙集理论是一种新的处理不确定性知识的数学工具，是由波兰科学家Pawlak在1982年首先提出的: Pawlak Z, Rough sets, International Journal of Computer and Information Sciences, 11(1982) 目前已发展成为人工智能的一个重要研究方向，在数据挖掘(data mining)与信息系统知识发现(KDD)中具有非常广泛的潜在的应用背景，并已获得许多成功的应用。 IRSS: International Rough Set Society, 1997中国人工智能学会，粗糙集与软计算专业委员会，2003，11粗糙集与软计算学术年会（2001） 主要参考书:Pawlak Z, Rough sets: Theoretical Aspects of Reasoning about Data, Kluwer Academic Publishers, Boston, 1991曾黄麟，粗集理论及其应用，重庆大学出版社，1998刘清，Rough集与Rough推理，科学出版社，2001王国胤，Rough集理论与知识获取，西安交通大学出版社，2001张文修等，粗糙集理论与方法，科学出版社，2001张文修等，信息系统与知识发现，科学出版社，2003史开泉等, S粗集与粗决策, 科学出版社，2006张文修等，基于粗糙集的不确定决策，清华大学出版社，2005 一 知识与知识库 二 基本定义  三 性质 设 为一近似空间，对于任意 (1) (2) (3) (4) (5) (6) 一般情况下,下列等式不成立: 四 粗糙集的不确定性度量 X的近似精度: X的粗糙度 五 近似分类的不精确性度量 对于近似分类 的近似分类精度 近似分类质量 讨论题1:粗糙集的拓扑结构 讨论题2：粗糙集的表示 讨论题3:粗糙集与非经典逻辑代数 对于任意 令 则 构成格. 令 则 为剩余格. 六 信息系统知识发现 问题: 实际问题中抽象出来的信息系统往往具有大量的对象与属性，直接提取规则不仅是麻烦的，而且几乎没有价值，系统的本质属性被掩盖于大量的规则中。另外，信息系统的多样性也要求在提取规则之前首先对其进行预处理。