連續(xù)值系統(tǒng)的屬性約簡問題.pdf

1、粗糙集是由波蘭數(shù)學家Pawlak首先提出的一種處理不完備和不確定性知識的新型數(shù)學工具，已經(jīng)在機器學習、決策分析、知識獲取、模式識別和專家系統(tǒng)等領域取得了一些成功的應用。但是，隨著對粗糙集研究地不斷深入，粗糙集模型的局限性也逐漸暴露出來。由于利用粗糙集理論處理的分類必須是完全正確或肯定的，而且必須是離散型數(shù)據(jù)，這樣致使大量有用信息在數(shù)據(jù)提取及其離散化過程中丟失，粗糙集的這一局限性限制了它的應用。于是，近年來許多學者從多方面對粗糙集模型進行

2、推廣，出現(xiàn)了實數(shù)粗糙集模型、變精度粗糙集模型、概率粗糙集模型、廣義粗糙集模型、模糊粗糙集模型等，并且與其它學科相結(jié)合，取得了巨大成果。
　　 實數(shù)粗糙集模型是在標準粗糙集模型中引入誤差率，并且基于廣義相關度的概念下，去掉了數(shù)據(jù)離散化這一步驟，大大減少了在數(shù)據(jù)處理過程中信息減少造成的不良后果，增強了粗糙集模型的抗噪聲能力和對新數(shù)據(jù)的預測能力。
　　 本文主要是基于實數(shù)粗糙集模型，對連續(xù)信息系統(tǒng)的屬性約簡算法進行研究。第一章

3、緒論部分，主要介紹Pawlak粗糙集理論研究的概況，以及它研究的主要方面和需要解決的問題。第二章在引入知識和知識庫的概念之后，介紹Pawlak粗糙集的模型、信息系統(tǒng)、屬性約簡以及辨識矩陣的方法。第三章主要是引入廣義重要度的概念，并在此基礎上定義實數(shù)粗糙集，基于實數(shù)粗糙集的連續(xù)屬性值決策系統(tǒng)的屬性約簡的問題，給出實際的算法和算例。第四章主要從區(qū)間數(shù)決策系統(tǒng)的排序問題以及屬性約簡的實現(xiàn)，通過算例說明算法的有效性和可行性。第五章是根據(jù)以前各章