粗糙集理論的擴(kuò)展及其在貝葉斯網(wǎng)絡(luò)建模中的應(yīng)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(xué)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(dǎo)出概念的分類規(guī)則.經(jīng)典粗糙集模型要求等價關(guān)系以及集合之間的完全包含關(guān)系，限制了它的實(shí)際應(yīng)用，因此，模型的擴(kuò)展研究具有重要實(shí)踐意義.本文介紹了粗糙集的三種擴(kuò)展模型，即用條件概率描述包含關(guān)系的概率粗糙集模型、用一般二元關(guān)系構(gòu)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(jì)特征的信息系統(tǒng)、基于非等價關(guān)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(kuò)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(zhì).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(jìn)行屬性約簡和屬性依賴性分析.
　　 貝葉斯網(wǎng)絡(luò)是一種重要的知識發(fā)現(xiàn)工具，變量間的依賴關(guān)系是確定網(wǎng)絡(luò)結(jié)構(gòu)的關(guān)鍵，從數(shù)據(jù)集中自動構(gòu)建貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)算法已經(jīng)成為目前的研究熱點(diǎn)之一.分類器是一種較為經(jīng)典而且應(yīng)用廣泛的貝葉