基于信息熵和變精度粗糙集的規(guī)則不確定性度量.pdf

1、粗糙集理論于1982年由波蘭學者Zdzislaw Pawlak首次提出，作為一種新型的處理含有噪音的知識、不精確的知識的重要理論方法，受到了廣泛關注。至今，粗糙集理論已經(jīng)在機器學習，模式識別，決策分析，數(shù)據(jù)庫知識發(fā)現(xiàn)，專家系統(tǒng)等眾多領域得到成功的應用。
　　 粗糙集理論是以不可分辨關系這一概念為基礎的。不可分辨關系將論域U劃分成一個個等價類的集合。通過上、下近似集合（等價類的集合），對某一給定概念進行近似表示。上、下近似集合之差

2、為邊界區(qū)域。等價類內的不可分辨關系和邊界區(qū)域的存在，使得利用粗糙集算法處理數(shù)據(jù)存在不確定性。利用粗糙集算法處理數(shù)據(jù)的不確定性越大，越難得到確定的規(guī)則集合，引起規(guī)則的不確定性越大。因此，需要一種不確定性度量來表示規(guī)則的不確定性。
　　 DüntchⅠ.等人針對依賴度γ的某些局限，提出用衡量粒度大小的一種度量——信息熵來度量規(guī)則的不確定性。陳湘暉等人在此基礎上借鑒變精度粗糙集思想，提出兩種基于信息熵和變精度粗糙集的不確定性度量，使得