医学信息分析课件-粗糙集方法与应用.pptVIP

(9)在“连接属性”对话框中，单击“定义”标签，“命令类型”下拉框中选SQL 粗糙集方法与应用 A={x1,x2,x3,x4,x5,x6,x7,x8}，每个积木块都有颜色属性，按照颜色的不同，我们能够把这堆积木分成 R1={红，黄，兰}三个大类，那么所有 红颜色的积木构成集合X1={x1,x2,x6}， 黄颜色的积木构成集合X2={x3,x4}， 兰颜色的积木构成集合X3={x5,x7,x8}。 按照颜色这个属性我们就把积木集合A进行了一个划分(所谓A的划分就是指对于A中的任意一个元素必然属于且仅属于一个分类），那么我们就说颜色属性就是一种 知识 举个例子 假如还有其他的属性，比如还有形状R2={三角,方块,圆形}，大小R3={大,中,小}，这样加上R1属性对A构成的划分分别为：???? A/R1={X1,X2,X3}={{x1,x2,x6},{x3,x4},{x5,x7,x8}} （颜色分类）???? A/R2={Y1,Y2,Y3}={{x1,x2},{x5,x8},{x3,x4,x6,x7}} （形状分类）??? ?A/R3={Z1,Z2,Z3}={{x1,x2,x5},{x6,x8},{x3,x4,x7}} （大小分类）??? 上面这些所有的分类合在一起就形成了一个基本的知识库。 除了红的{x1,x2,x6}、大的{x1,x2,x5}、三角形的{x1,x2}这样的概念以外还可以表达例如 ???? 大的且是三角形的{x1,x2,x5}∩{x1,x2}={x1,x2}， ??? ?大三角{x1,x2,x5}∩{x1,x2}={x1,x2}， ???? 兰色的小的圆形({x5,x7,x8}∩{x3,x4,x7}∩{x3,x4,x6,x7}={x7}， ???? 兰色的或者中的积木{x5,x7,x8}∪{x6,x8}={x5,x6,x7,x8}。 而类似这样的概念可以通过求交运算得到，比如X1与Y1的交就表示红色的三角形。 所有的这些能够用交、并表示的概念以及加上上面的三个基本知识(A/R1,A/R2.A/R3)一起就构成了一个知识系统记为R=R1∩R2∩R3，它所决定的所有知识是A/R={{x1,x2},{x3},{x4},{x5},{x6},{x7},{x8}}以及A/R中集合的并。 粗糙集发展历程 1970s，Pawlak和波兰科学院、华沙大学的一些逻 辑学家，在研究信息系统逻辑特性的基础上，提出了 粗糙集理论的思想。 自提出以来，许多计算机科学家和数、逻辑学家对 粗糙集理论及其应用进行了坚持不懈的研究，使之在 理论上日趋完善，特别是由于20世纪80年代末和90年 代初在知识发现等领域得到了成功的应用而越来越受 到国际上的广泛关注。 9.1 粗糙集理论的基本概念 9.1.1 “决策表”的定义： 是一个四元有序组 S = {U, A, V, f }：其中 U：对象的有限集 A：属性的有限集，A=C ∪ D，C是条件属性子集， D是决策属性子集，通常D中只有一个决策属性d V：A中所有属性取值的集合 f： U × A → V是一个赋值函数，使得 对每个xi ? U, q ? A, 有f(xi , q) ? Vq 一个决策表可看作二维表， 其“列”为“属性”，“行”为“对象”。 9.1.2 不可区分与知识划分 1.不可区分关系 (INDiscernible relation) 给定决策表S = {U, A, V, f }，设属性子集R ? C ∪ D， 则R决定了一个二元不可区分关系: 若(x ,y)∈IND(R) ，即x, y不能用R 中的属性加以区 别，则称x和y在属性集(知识)R上是不可区分的 2.知识划分 不可区分关系IND(R)是U上的一个等价关系，确定 了U上的一个划分, 用U/ IND(R)表示, 简记为U/R。 式中： 表示包含x的等价类，性质： U c1 c2 c3 c4 c5 d x1 1 0 1 0 1 0 x2 1 1 1 1 0 0 x3 0 0 1 1 0 0 x4 0 0 0 0 1 0 x5 1 1 0 0 1 1 x6 1 0 1 1 0 1 x7 1 1 1 0 1 1 x8 1 1 1 0 0 1 寒症诊断表 例9-1 计算属性子集R={c1 ,c2 }对论域U的划分 IND(R) ={ (x1,x6),(x2,x5),(x2,x7), (x2,x8), (x3,x4),(x5,x7),(x5,x8),(x7,x8) } 等价类：R1=[x1]R =[x6]R = {x1,x6}