高级人工智能十一章.pptVIP

高级人工智能第十一章 ;内容提要;一、 概述;模糊集;粗糙集的提出;粗糙集的研究;粗糙集的研究;研究现状分析;研究现状分析;研究现状分析;二、 知识分类;二、 知识分类;二、 知识分类;二、 知识分类;二、 知识分类;Information Systems/Tables;Decision Systems/Tables;Issues in the Decision Table;不可区分性Indiscernibility;不可区分性Indiscernibility (2);不可区分性实例 Indiscernibility;概念的边界;粗糙集的基本定义;粗糙集的基本定义;粗糙集的基本定义;上近似、下近似和边界区域;Lower Upper Approximations (2) ;新型的隶属关系;隶属关系;集近似实例 Set Approximation;集近似实例  Set Approximation (2);U;Lower Upper 近似 (3);Lower Upper 近似(4);例1： 设有一知识库K={U,{p,q,r}}﹐其中 U={x1,x2,x3,x4,x5,x6,x7,x8}﹐且 U/p={{x1,x4,x5},{x2,x8},{x3},{x6,x7}} U/q={{x1,x3,x5},{x6},{x2,x4 ,x7,x8}} U/r={{x1,x5},{x6},{x2,x7,x8},{x3,x4}} 则[x1]p={x1 ,x4 ,x5}﹐[x1]q= {x1 ,x3 ,x5} 。 若P={p,q,r}﹐ 则IND(P)= {{x1,x5},{x2,x8},{x3},{x4},{x6},{x7}} 对于U上的子集X1={x1,x4,x7}﹐可得到 P* X1={x4}∪{x7}={x4 ,x7} P* X1={x1 ,x5}∪{x4}∪{x7}={x1 ,x4 ,x5 ,x7};近似度Accuracy of Approximation;近似性质Properties of Approximations;近似性质Properties of Approximations (2);三、 知识的约简; 例2： 取前面的例1﹐若P={p,q,r}﹐则IND(P)={{x1 ,x5},{x2 ,x8},{x3},{x4},{x6},{x7}}﹐ IND(P-p})={{x1 ,x5},{x2 ,x7 ,x8},{x3},{x4},{x6}}?IND(P) 所以p是不可省的﹐同理可得q、r是可省的。这样﹐由{p,q,r}三个等价关系组成的集合和{p,q}、{p,r}定义了相同的不分明关系。 又IND({p,q})?IND({p})﹐ IND({p﹐q})?IND({q})﹐则{p,q}和{p, r}就是P的约简﹐而且{p}是P的核﹐也就是说p是绝对不能省的 ;相对约简;相对约简;知识的依赖性;知识的依赖性;四、 决策表的约简;? ;决策规则;决策表的一致性;决策表的分解;表2 不一致决策表 a、b、c为条件属性，d、e为决策属性 1、5产生不一致;表3 完全一致的决策表;一致决策表的约简;条件属性的约简;分明矩阵对应的核与约简;Skowron的约简方法; 为了对决策表进行约简，可以采用分明矩阵的方法对条件属性进行约简，对决策属性相同的个体不予比较。考虑下面的决策表5，条件属性为a,b,c,d，决策属性为e ;表5对??的分明矩阵;表6;求最优或次优约简;行的约简;属性值的约简;非一致决策表的约简;五、 粗糙集的扩展模型;可变精度粗糙集模型;可变精度粗糙集模型;相似模型;基于粗糙集的非单调逻辑;与其它数学工具的结合;六、粗糙集的实验系统;六、粗糙集的实验系统;七、粒度计算;粒度计算;粒度计算的必要性;粒度计算的必要性;粒度计算的必要性;粒度计算的基本问题 ;粒度计算的国内外研究现状 ;商空间粒度模型;存在的问题;相关工作;相容粒度空间模型 ;相容粒 ;相容粒 ;相容粒度空间模型的主要特点 ;哲胁纷亡岗妖鞘懊撅匠若么涛茂材亩瓜恕蜀到零套另霖捍疚惰圈地免池扬高级人工智能十一章高级人工智能十一章;粗糙集网站