基于覆蓋粗糙集模型下的近似集動態(tài)更新方法研究.pdf

1、當信息系統(tǒng)中屬性集動態(tài)變化的時候,經典粗糙集模型及擴展粗糙集模型下近似集的增量更新方法已有大量的研究成果,對各種粗糙集模型下的近似集增量更新研究的最終目的是如何高效地利用已有的知識來獲取動態(tài)規(guī)則。本文在已有的成果基礎上,利用等價關系、上近似集、下近似集和決策規(guī)則集之間的關系,提出了屬性集變化時決策規(guī)則集動態(tài)增量更新方法,最后通過實例驗證了該方法的有效性。
　　 在屬性集變化時,更新覆蓋粗糙集模型中近似集的傳統(tǒng)方法是重新根據每一個

2、屬性的屬性值形成覆蓋元,從而每一個屬性構成論域的一個覆蓋。所有屬性的覆蓋合并一起構成論域的一簇新覆蓋。因此,需要花費大量重復計算的時間來計算覆蓋中對象的鄰域。針對該問題,本文分別討論屬性增減時,通過對論域中對象鄰域變化的研究,討論了對象集的鄰域與原有近似集之間的關系,給出了動態(tài)更新之后的近似集與原來近似集之間的相關定理,提出了在覆蓋粗糙集模型中,屬性增減時近似集動態(tài)更新方法。實驗結果驗證了該方法的有效性,而且效率優(yōu)于原始的方法。