基于粗糙集的粒計算與神經(jīng)網(wǎng)絡的融合研究.pdf

1、粗糙集理論作為粒度計算的三大模型之一，自產(chǎn)生起就備受關注，并已廣泛應用與機器學習、模式識別等領域。其主要內容包括近似集、決策系統(tǒng)、數(shù)據(jù)預處理以及屬性約簡等等，是一種處理不完整，不精確數(shù)據(jù)的有效方法。人工神經(jīng)網(wǎng)絡與粗糙集理論一樣同屬于軟計算的范疇，都是主張通過對不確定、不精確及不完全真值的容錯以取得低代價的解決方案以及魯棒性(健壯性)。經(jīng)過70年的發(fā)展歷程已經(jīng)較為成熟，廣泛應用與多個領域。
　　 粗糙集理論和人工神經(jīng)網(wǎng)絡技術的特點

2、都很鮮明并且有著較為明顯的互補性。所以將二者以一定的方式實行融合，用各自的優(yōu)點來彌補不足，會得到一個互補或雙贏的結果。
　　 本文首先介紹了基于粗糙集的粒度計算和神經(jīng)網(wǎng)絡的基本內容，其中有粗糙集理論的核心內容-屬性約簡及主要的幾種約簡方法，神經(jīng)網(wǎng)絡的三大要素，BP神經(jīng)網(wǎng)絡的結構、學習規(guī)則和改進等。
　　 然后，在上面內容的基礎上，對粗糙集理論和神經(jīng)網(wǎng)絡進行融合的可行性進行了研究和論證；列舉了二者進行融合的方式，并對串行連