基于粗糙集与相关系数研究决策规则生成.docxVIP

基于粗糙集与相关系数研究决策规则生成 摘要从不确定的信息表中进行决策规则的生成 是重要的研究课题。Rough集（粗集）理论是一种处理不确定 或模糊知识的重要工具，决策规则的相关系数分析能对决策 规则的准确度和覆盖度进行描述。本文介绍基于rough集方 法对决策表进行属性约简和属性值约简，去除决策表中与决 策无关的冗余信息。在简化后得出决策规则中再基于规则的 相关系数分析来实现决策表的规则生成。文中给出了利用分 明矩阵化简决策表的算法和衡量决策规则的相关系数，通过 具体实例对规则生成进行了详细说明。 关键词Rough集；约简；核；相关系数 中图分类号：TP39文献标识码：A 基金资助：江西省重点攻关项目（No. 20061B01002） 江西省教育厅科技计划项目（赣教技字：2007]28号） 1引言 Rough set （粗糙集）理论是一个处理含糊和不精确问题 的数学工具[1],已经被广泛应用在人工智能、模式识别核 新材料合成等领域[2-4] o Rough集对信息系统的约简就是考 察近似空间中每个等价关系是否都是必要的，能不能在保持 原有的分类能力下尽可能地去删除冗余的信息，而不影响其 原有区分功能。本文首先运用rough集的方法将信息系统中 的决策表进行属性及属性值约简得到决策规则，然后利用相 关系数分析所得出的相关规则，并通过一个实例加以说明。 规则的相关系数 (以下介绍中S代表信息表S二(U,A,V,f)) support用来表示在信息表中，满足规则ab的所 有对象的数目。 supports (a,b)=card (s) 其中card表示信息表中含有规则ab的对象的数目 certainty为准确度，用来表示在规则ab中，若 条件a为真时，规则ab为真的概率。 certaintys(a,b)= card(s)/ card(s) 其中card(s)表示满足条件a的所有对象的数目。 coverage为覆盖度，表示规则ab中，b为真时， 规则ab为真的概率。 coverage (a, b) = card (s) / card (s) 其中card(s)表示满足结论b的所有对象的数目。 strength为规则的强度，表示在所有的规则中， 规则为ab为真的概率。 strength(a,b)= card(s)/card(u) 其中card(s)表示信息系统中满足结论b的所有对象的 数目。 3基于Rough集的决策表约简 该方法是基于分明矩阵，即所有数据都是离散的。因此 在进行约简以前，需要对非离散化的数据进行预处理，即数 据的离散化。然后，在根据离散化后的结果移除决策表中重 复的属性和对象。 属性约简一般步骤如下： 写出信息系统的分明矩阵的下三角； 根据分明矩阵写出分明函数； 利用吸收律化简分明函数，得出最小的析取式，从 中可以得到约简后的属性和属性核。 属性值一般约简步骤如下： 建立分明矩阵，矩阵中只保留约简属性，填写好除 对角线外的所有矩阵值； 计算出每行(列)的分明函数，即可得出约简的属 性值； 利用约简属性值，可以得出基于决策表的决策规则。 约简具体流程图如下所示： 图1基于Rough集的决策表的约简流程 4应用举例 下表1是一张关于幸运色的信息表，其中性格、血型、 性别、星座为条件属性，幸运色为决策属性。 表1幸运色信息表 性格血型性别星座幸运色数目 1开朗AB男巨蟹座红色60 内向天蝎座蓝色80内向巨蟹座白色40开朗白羊座红色90开朗白羊座白色70内向巨蟹座白色60表1中性格、 内向 天蝎座 蓝色 80 内向 巨蟹座 白色 40 开朗 白羊座 红色 90 开朗 白羊座 白色 70 内向 巨蟹座 白色 60 表1中性格、 血型、性别、 星座、幸运色均为属性，分 别记为d,b,s,c,Lo现将表中的信息数字化，为此进行如下 设置：(1)性格分类：开朗，内向分别数字化为1,0； (2) 血型分类：A, B, AB分别数字化0,1,2； (3)性别分类：男, 女分别数字化为0,1； (4)星座分类：白羊座，巨蟹座，天蝎 座分别数字化为0,1,2； (5)幸运色分类：红色，白色，蓝色 分别数字化为0,1,2。 4. 1属性和属性值的约简 首先，对表2进行属性约简，其约简函数为 f (x)二(dc)#160； (be),属性d和c,或者属性b和c是其约简 属性，而其核为core (a) =co 表2信息表的分明矩阵 2 3 4 5 6 1 be c be be 5 be be 6 b be c 其次，利用约简属性b, C进行属性值约简。 最后，经过化简后，得出两套决策规则： 第一套，选择了 b, C作为其约简属性得出 (b,2)(c,l) (L,0) (b,0) (c,2) (L,2) (b,O)(c,l) (L,l) (b,