Rough集中若干問題的研究.pdf

1、Rough集理論在人工智能和認知科學研究領(lǐng)域有十分重要的應(yīng)用;尤其為機器學習、知識獲取、決策分析、數(shù)據(jù)庫的知識發(fā)現(xiàn)、專家系統(tǒng)和模式識別等領(lǐng)域提供了一種很有效的新的數(shù)學方法.■Rough集中近擬質(zhì)量的新認識在Rough集近似空間中提供了對一個對象集近似的準確性因子α和屬性集間依賴程度因子γ.對于因子α可以給出精確性因子π與之比較;通過基于集合的距離度量公式,可以給出近擬差錯率來解決α,π和γ.如果反數(shù)據(jù)空間從1維拓廣到k維,可以得出k維近

2、擬空間和相應(yīng)的近似因子.■基于帶狀劃分數(shù)據(jù)庫的發(fā)現(xiàn)函數(shù)依賴集的方法這種方法基于一致集的概念.根據(jù)一致集導出最大集及其補集,然后生成最小非平凡函數(shù)依賴集.通過使用帶狀劃分數(shù)據(jù)庫減少求一致集的運算次數(shù),使用逐層求精的算法來計算最小非平凡函數(shù)依賴集的左部;并從時間復(fù)雜度上與其它方法進行了比較.■基于Rough集的數(shù)據(jù)約簡討論用Rough集知識,對信息系統(tǒng)進行數(shù)據(jù)約簡.給出用分明矩陣和分明函數(shù)的屬性約簡方法,對決策表的屬性約簡和屬性值約簡,以及

3、最小決策化算法.■Rough集與其它數(shù)據(jù)推理討論Rough集與概率邏輯,貝葉塞規(guī)則,證據(jù)理論和模態(tài)邏輯的關(guān)系,指出它們之間存在的一致性.■基于Rough集的形式化概念分析形式化概念分析有助于數(shù)據(jù)的表達和分析.該文討論用Rough集分別對一個對象集、一個特征集和由對象集與特征集形成的對的近似來形成各自的可定義的形式化概念.■Rough包含度統(tǒng)一Rough集中各種度量方式Rough集中提供了各種度量方式,可以用Rough包含度的概念為統(tǒng)一這