基于自動閾值選取的不完備信息系統處理方法.pdf

1、Rough集理論是一種處理模糊性和不確定性信息的新的數學理論方法。近年來,該理論受到眾多研究人員的關注,已成功應用于知識發(fā)現、機器學習、智能信息處理、決策支持系統、數據挖掘和模式識別等領域。經典Rough集理論主要是針對完備信息系統,要求所處理的信息系統中不存在未知屬性值或遺漏屬性值,利用不可分辨關系來對對象進行上近似和下近似分類。然而,在現實中信息不完備的現象廣泛存在,使得信息系統中對象間的關系不一定是等價關系,從而限制了經典Roug

2、h集理論在這些實際問題中的應用。因此,探索基于Rough集的不完備信息系統知識獲取理論與方法成為當前的一個重要研究內容。
　　 為了直接處理不完備信息系統,需要對經典Rough集理論進行擴充。容差關系模型、非對稱相似關系模型、量化容差關系模型和限制容差關系模型等都是經典Rough集理論的擴充模型,但是這些模型還存在一些局限性。本文對上述擴充Rough集模型的局限性進行了深入剖析,并結合自主式學習的思想,提出了一種基于自動閾值選取

3、的不完備信息系統處理方法,討論了閾值的選取方法,并將該模型與已有擴充Rough模型進行了比較分析。通過本文中定義的閾值計算公式,不同的不完備信息系統會得到不同的閾值,從而得到不同的分類,說明了基于自動閾值選取的改進容差關系模型是一種自適應性模型?；谧詣娱撝颠x取的改進容差關系不僅保留了容差關系和限制容差關系的優(yōu)點,又丟棄了容差關系、非對稱相似關系、量化容差關系和限制容差關系存在的不足,是一種更加靈活、更加合理的不完備信息系統的相似關系。