不完備信息系統(tǒng)下的知識獲取方法研究.pdf

1、不確定環(huán)境下的知識獲取是智能信息處理中的關(guān)鍵問題之一.如何在信息不完全、不精確或模糊的情況下,根據(jù)決策系統(tǒng)中已有的決策數(shù)據(jù)獲取知識,一直為眾多學者所關(guān)注.近年來,基于粗糙集理論的知識獲取方法已成為一種重要的方法,它是二十世紀八十年代由波蘭科學家Z.Pawlak提出的一種新的處理不精確、不確定知識的軟計算工具.證據(jù)理論是Dempster于20世紀60年代首次提出,試圖用概率上下限來表示實際問題中的不確定性的一種重要的不確定性推理方法.證據(jù)

2、理論廣泛應用于信息融合、數(shù)據(jù)處理等領域.該文主要研究不完備信息系統(tǒng)下的知識獲取方法,并取得了一些有意義的結(jié)果.該文探討了證據(jù)理論、貝葉斯理論在不完備信息系統(tǒng)中如何進行規(guī)則提取,分析了它們兩者之間的聯(lián)系與區(qū)別,并通過實例加以說明.針對不完備決策表,該文提出了一種基于屬性重要性的知識約簡算法.在屬性依賴性的基礎上,定義了屬性重要性,以此作為算法的啟發(fā)式信息,并對算法的結(jié)構(gòu)進行描述,用Visual Basic語言加以實現(xiàn),實例驗證了這種算法的