粗糙集理论与粗糙神经网络.docx

PAGE25/NUMPAGES27

粗糙集理论与粗糙神经网络

TOC\o1-3\h\z\u

第一部分粗糙集理论概述 2

第二部分粗糙神经网络的概念 5

第三部分粗糙神经网络的结构 7

第四部分粗糙神经网络的学习算法 10

第五部分粗糙神经网络的应用 14

第六部分粗糙神经网络与人工神经网络的比较 18

第七部分粗糙神经网络发展趋势 21

第八部分粗糙神经网络的研究意义 25

第一部分粗糙集理论概述

关键词

关键要点

【粗糙集理论概念】：

1.粗糙集是20世纪80年代波兰科学家Zdzis?awPawlak提出的处理不确定信息的方法，它以模糊集理论为基础，将不确定信息定义为粗糙集。

2.粗糙集理论的主要思想是将一个集合划分为不同的等价类，这些等价类被称为粗糙集。粗糙集的元素具有相同的属性，但它们在某些属性上可能不唯一。

3.粗糙集理论可以用于处理不确定信息，可以对不确定信息进行分析和处理，并可以从不确定信息中提取有用信息。

【粗糙集理论的特征】：

#粗糙集理论概述

粗糙集理论是一种处理不完全信息和不确定知识的数学工具，它是由波兰数学家扎布罗夫斯基于1982年提出的。粗糙集理论的基本思想是将一个模糊概念的元素分为可辨别的和不可辨别的两类，并利用这两类元素来构造一个决策表，然后通过决策表对模糊概念进行分类和识别。

1.基本概念

1.1信息系统

信息系统是一个四元组$$IS=(U,A,V,f)$$，其中：

-$U$是一个非空有限集，称为宇宙。

-$A$是一个非空有限集，称为属性集。

-$f:U\timesA\rightarrowV$是一个映射，称为信息函数。

应用实例：病人分类信息系统

-宇宙U：所有病人

-属性集A：年龄、性别、症状等

-属性值集V：年龄的值域、性别的值域、症状的值域等

-信息函数f：将每个病人与每个属性联系起来

病人分类信息系统中的每一个病人都是一个对象，每一个属性都是一个特征，每一个属性值都是一个特征值。

1.2模糊概念

模糊概念是一个没有明确界限的概念，它可以用一个信息系统中的一个决策属性来表示。决策属性的值域通常分为两类：正类和负类。

应用实例：感冒

-宇宙U：所有病人

-属性集A：年龄、性别、症状等

-属性值集V：年龄的值域、性别的值域、症状的值域等

-信息函数f：将每个病人与每个属性联系起来

感冒是一个模糊概念，它可以用决策属性“感冒”来表示。“感冒”的值域可以分为两类：感冒类和非感冒类。

1.3粗糙集

粗糙集是模糊概念的一个近似集，它由两个集合组成：下近似集和上近似集。

-下近似集：下近似集包含所有能够唯一被决策属性识别的对象。

-上近似集：上近似集包含所有可能被决策属性识别的对象。

#2.粗糙集理论的主要思想

粗糙集理论的基本思想是将一个模糊概念的元素分为可辨别的和不可辨别的两类，并利用这两类元素来构造一个决策表，然后通过决策表对模糊概念进行分类和识别。

-可辨别性：两个对象是可辨别的，如果它们至少有一个属性的值不同。

-不可辨别性：两个对象是不可辨别的，如果它们的所有属性的值都相同。

应用实例：病人分类

-宇宙U：所有病人

-属性集A：年龄、性别、症状等

-属性值集V：年龄的值域、性别的值域、症状的值域等

-信息函数f：将每个病人与每个属性联系起来

-决策属性：感冒

以下是一个决策表：

|年龄|性别|症状|感冒|

|||||

|20|男|发烧|是|

|30|女|咳嗽|是|

|40|男|流鼻涕|是|

|50|女|头痛|是|

|60|男|发烧|是|

从决策表中可以看出，年龄、性别和症状都是可辨别的属性，而感冒是不可辨别的属性。因为对于任何两个病人，如果它们的年龄、性别和症状都相同，那么它们感冒的可能性是相同的。

粗糙集理论可以用来对病人进行分类。例如，我们可以使用粗糙集理论来提取决策表中的决策规则。决策规则可以用来对新的病人进行分类。

#3.粗糙集理论的应用

粗糙集理论在人工智能、决策支持系统、数据挖掘等领域都有广泛的应用。

-人工智能：粗糙集理论可以用来构建专家系统、自然语言处理系统等。

-决策支持系统：粗糙集理论可以用来构建决策支持系统，帮助决策者做出决策。

-数据挖掘：粗糙集理论可以用来从数据中提取有用的信息和知识。

第二部分粗糙神经网络的概念

关键词

关键要点

【粗糙神经网络的概念】：

1.粗糙神经网络是一种结合了粗糙集理论和神经网络优点的智能系统，它能够处理不完整、不确定和模糊的信息，并具有很强的