上近似的近似信息挖掘及應用研究.pdf

1、粒計算(Granular Computing)是近年來智能研究領域中的一門新興學科，是解決復雜問題和模擬人類思維的一種新方法。眾多學者對該問題的興趣以及各方面研究成果的出現(xiàn)，使得對其的研究成為一個嶄新的熱點課題。正因為如此，不同的學者從不同的角度出發(fā)，對粒計算展開研究，一些研究成果著重于計算機等方面的應用，另一些成果則著重于理論方面的探討。研究時所采用的數(shù)學方法也不盡相同，比如邏輯方法、代數(shù)方法、拓撲方法或概率方法等。粒計算研究主要有三

2、大理論模型：模糊集理論模型、粗糙集理論模型、商空間理論模型。這些模型解決問題的初衷和方法不盡相同，各具特色。其中它們的共同點是：問題空間的結構化處理，即將復雜問題細小化，建立相應的分層結構，再根據(jù)這個分層結構在不同?；潭壬线M行問題求解。
　　本文分析了粒計算理論發(fā)展歷程，以已有理論為基礎，以分層結構為主線，構建問題空間的層次結構，進一步結合上近似理論，使上近似蘊含的近似信息得到延展。取得了如下成果：
　　(1)在信息系統(tǒng)中

3、引入n階粒劃分的概念，并在此基礎上定義和研究相關內容，通過對n階粒劃分的引入，使信息系統(tǒng)產(chǎn)生不同程度的?；沂蛊潆S著n階粒劃分的變化而變化，呈現(xiàn)不同的粒化形式。
　　(2)將n階粒劃分與上近似相結合，使上近似在不同階粒劃分中所蘊含的隱含信息得到展現(xiàn)，從而確定了一種隱含數(shù)據(jù)的識別方法，通過調整論域對象的排列順序，使得數(shù)據(jù)隱含與數(shù)據(jù)識別更具靈活性，達到了相同數(shù)據(jù)隱含及識別的多樣性目的。并通過實例使其得到驗證，為實際問題的處理提供了途