粗糙集理論的擴展及其在貝葉斯網(wǎng)絡建模中的應用.pdf

1、粗糙集理論是一種處理含糊和不確定性信息的數(shù)學工具，其基本思想是在保持分類能力不變的情況下，通過知識約簡導出概念的分類規(guī)則.經(jīng)典粗糙集模型要求等價關系以及集合之間的完全包含關系，限制了它的實際應用，因此，模型的擴展研究具有重要實踐意義.本文介紹了粗糙集的三種擴展模型，即用條件概率描述包含關系的概率粗糙集模型、用一般二元關系構造基本集的廣義粗糙集模型和基于包含度的變精度粗糙集模型.這三種模型分別解決了具有統(tǒng)計特征的信息系統(tǒng)、基于非等價關系的

2、決策以及系統(tǒng)中存在噪聲等問題.
　　 綜合以上三種對經(jīng)典粗糙集模型的擴展，本文定義了一種更廣泛意義上的粗糙集模型一廣義變精度概率粗糙集模型，并研究了它的性質.然后從決策信息系統(tǒng)出發(fā)，說明了如何用粗糙集方法進行屬性約簡和屬性依賴性分析.
　　 貝葉斯網(wǎng)絡是一種重要的知識發(fā)現(xiàn)工具，變量間的依賴關系是確定網(wǎng)絡結構的關鍵，從數(shù)據(jù)集中自動構建貝葉斯網(wǎng)絡的結構學習算法已經(jīng)成為目前的研究熱點之一.分類器是一種較為經(jīng)典而且應用廣泛的貝葉