不完備多粒度序決策系統(tǒng)的知識獲取.pdf

1、隨著互聯(lián)網(wǎng)的普及，大數(shù)據(jù)時代的到來，數(shù)據(jù)挖掘方法的研究顯得極其重要。粗糙集理論作為數(shù)據(jù)挖掘的一種重要的數(shù)學(xué)方法，能處理不完備、不精確以及不協(xié)調(diào)的數(shù)據(jù)，已經(jīng)被成功地應(yīng)用到專家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識別、決策分析、過程控制、數(shù)據(jù)庫知識發(fā)現(xiàn)等人工智能領(lǐng)域，特別地，也應(yīng)用于農(nóng)業(yè)信息等方面的數(shù)據(jù)處理，因此受到許多研究學(xué)者的關(guān)注。粒計算是知識表示和數(shù)據(jù)挖掘的一個重要方法。它模擬人類思考模式，以粒為基本計算單位，以處理大規(guī)模復(fù)雜數(shù)據(jù)和信息等建立有效的計

2、算模型為目標(biāo)。而基于粗糙集理論與粒計算相結(jié)合的數(shù)據(jù)挖掘方法更是成為研究的熱點。
　　傳統(tǒng)的粗糙集理論是以單粒度的、完備的信息系統(tǒng)為主要的操作對象。而在現(xiàn)實應(yīng)用中，一方面，很多數(shù)據(jù)由于某些原因往往是不完備或不完整的，另一方面，人們要根據(jù)對象的屬性值的優(yōu)勢關(guān)系對數(shù)據(jù)對象進(jìn)行排序，并且還要在不同的尺度空間下對同一對象在同一屬性下進(jìn)行觀察并作出決策，而傳統(tǒng)的粗糙集理論與模型對于這些特殊的信息系統(tǒng)的數(shù)據(jù)挖掘不適用。因此研究新的粗糙集擴(kuò)展模型

3、，對處理這些特定的信息系統(tǒng)有著積極的意義。
　　本文我們從粒計算的角度出發(fā)，針對多粒度不完備的數(shù)據(jù)排序的知識表示問題，研究不完備多粒度序信息系統(tǒng)（或決策系統(tǒng)）的知識獲取。首先，介紹了不完備多粒度序信息系統(tǒng)的概念，并討論了不完備多粒度序信息系統(tǒng)中的粗糙近似和屬性約簡問題。其次，提出了不完備多粒度序決策系統(tǒng)的概念，并基于它的條件屬性集和決策屬性定義了兩個優(yōu)勢關(guān)系，在不完備多粒度序決策系統(tǒng)引入了辨識矩陣的概念，并對不完備多粒度序決策系統(tǒng)