论文翻译粗糙集在销售决策系统中的应用.docVIP

PAGE 2 ??? 论文翻译粗糙集在销售决策系统中的应用 第 PAGE \* Arabic \* MERGEFORMAT 1 页第 PAGE \* Arabic \* MERGEFORMAT 1 页 摘要：粗糙集理论是处理不确定性知识与不完整数据的有效工具。本文依据粗糙集理论实现了一种对销售决策表知识简化的方法，采用粗集理论处理大量销售信息，从中提取的有用规则, 通过分析和推理产生最小决策规则。最后，通过实例分析，验证了粗糙集理论与销售决策支持系统相结合方法的可行性，该方法有效的解决了智能销售决策支持系统中决策规则的获取与理解等问题。 关键词：决策支持系统; 粗糙集; 知识发现 中图分类号：T P 3 1 1 文献标识码： A 文章编号： 0 引言 决策支持系统(DSS)是在管理信息系统和运筹学的基础上发展起来的。起初DSS被广泛的用于支持单个决策者的管理活动，所以当时DSS普遍采用模型辅助决策的方法。由于人工智能技术的快速发展，研究者开始采用推理技术来模拟专家解决问题，利用神经网络等新技术模拟大脑学习推理。当人工智能技术和DSS相结合，就形成了智能决策支持系统[1]。知识推理机制是智能决策支持系统的核心，通过已获取的数据经过分析，推理，从而产生合理的决策规则，最终形成有用的知识。决策支持系统中，知识表达系统的条件属性以及结果属性通常可以先从数据库中抽取获得，再利用不确定数据处理方法求出最简的决策规则。粗糙集主要是用来处理不确定和不精确的信息[2]。粗糙集采用基于知识的分类观点，在知识库中研究如何在维持分类能力不变的情况下，通过知识简约以决定如何做出适当的决策。因此，在本文中把粗糙集理论与销售决策支持技术相结合获取销售领域的相应知识，也可以解决在销售领域的知识发现中的不易于解释的缺陷。 1 粗糙集基本概念 粗集理论是由波兰华沙理工大学Z. Pawlak教授等在1982年提出的，粗糙集可以用于研究不完整数据、不精确知识的表达、学习、归纳等。粗糙集理论不仅为信息科学和认知科学提供了新的研究方法，并为智能决策提供非常有效的处理手段，下面介绍一下粗糙集的一些基本的概念定义。 定义1-1 信息表与信息系统 粗糙集把客观世界或对象世界抽象成了一个信息系统，该信息系统可以通过以下四元组S表示： (1-1) 其中，是事例或者对象的有限集合，表示如下；A是所有属性的有限集合，；V是属性值域集合，，是属性的值域。为信息函数，指定中每个对象的属性值。 定义 1-2 不可分辨关系 等价关系也称为不可分辨关系，是粗糙集理论的基本概念，它们在信息系统中的定义如下： (1-2) B是A的子集，对于任意的有;对于任意的都有。 定义1-3 近似空间 所谓的近似空间实际上是一个二元组,其中B是A的属性子集合。任意集合A，当集合能够表示成基本等价类的并集时，集合则可以被称为是可以精确定义的，否则就只能通过逼近的方式来刻画。粗糙集中存在两个精确集合即上近似集和下近似集，粗糙集通过近似集刻画不精确性。 设是一个集合，是一个定义在U上的等价关系，则X的下近似集定义如下： (1-3) X的R上近似集定义如下： (1-4) 定义1-4 精确度与准确度 对于某个等价关系下面的集合X，下近似集与上近似集之比反映了集合对关系的精确度，用于计算集合对关系的精确度。粗糙度则可以定义为: (1-5) 定义1-5 属性依赖度 属性依赖度也称为近似质量[3]。属性集合D对B的依赖度定义如下： (1-6) 是根据属性集合B划分的正区域，如果B为条件属性，D是全部的决策属性， 则刻画了条件属性B描述决策属性D的能力,同时也表示用B对U划分后，能划分到决策类的概率； 2粗糙集在销售决策系统中知识发现的研究 在销售决策支持系统中，存在着大量的信息和很多不确定的因素这使得做出科学合理的决策变得很困难。粗糙集理论可以允许决策对象中不完整与不明确属性的存在，因此我们可以根据粗糙集理论进过分析推理找出销售数据中存在的有用的知识。利用粗集理论发现知识流程图如图一，具体可以分为如下几个步骤： （1）收集数据：根据历史记录中的原始数据，可以从问题及期望得到的规则形式出发来确定决策表属性与决策属性集合。 （2）数据