基于领域的粗糙模糊近似【文献综述】

基于领域的粗糙模糊近似【文献综述】

ID:422337

大小:55.50 KB

页数:4页

时间:2017-07-31

基于领域的粗糙模糊近似【文献综述】_第1页
基于领域的粗糙模糊近似【文献综述】_第2页
基于领域的粗糙模糊近似【文献综述】_第3页
基于领域的粗糙模糊近似【文献综述】_第4页
资源描述:

《基于领域的粗糙模糊近似【文献综述】》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、毕业设计文献综述信息与计算科学基于领域的粗糙模糊近似粗糙集理论是波兰学者Pawlak于1982年提出的一种新的处理不确定性知识的数学工具.粗糙集理论将知识理解为“区分事物的能力”,形式化的知识是对论域的划分,因而通过论域上的等价关系表示.概念从外延角度理解为论域的子集合,带有不确定性的概念借助近似操作通过不精确概念从外延的角度近似表达,并以此作为相关理论研究的基础.Zadeh从隶属函数出发定义模糊集,从而建立模糊集理论和方法,隶属函数往往依靠专家的经验知识,以先验知识为基础.事实上,正因为建立在可靠的已知知识基础上,模糊集对不确定

2、问题的处理往往会得到很好的结果.模糊集理论和方法、粗糙集理论和方法都非常有效,其理论得到了不断发展和完善,其应用得到了很好的实践和推广.由于20世纪80年代末和90年代初在知识发现等领域得到了成功的应用而越来越受到国际上的广泛关注.1991年Pawlak教授的第一本关于粗糙集的专著《RoughSets:TheoreticalAspectsofReasoningaboutData》和1992年R.Slowinski主编的关于粗糙集应用及其与相关方法比较研究的论文集的出版,推动了国际上对粗糙集理论与应用的深入研究.国内粗糙集的研究始于

3、1994年,王珏、苗夺谦、王国胤、曾黄麟等人在将粗糙集理论引入我国方面作出了重要的贡献.2001年5月在重庆召开了“第1届中国Rough集与软计算学术研讨会”,邀请了创始人Pawlak教授做大会报告;2002年10月在苏州第2届和2003年5月在重庆第三届,举办“第9届粗糙集、模糊集、数据挖掘和粒度-软计算的国际会议”,因非典推迟到10月.刘清等探讨了粗糙集在近似推理、模态逻辑和智能代理方面的理论研究情况,张文修、梁吉业、吴伟志等人提出了基于随即集的粗糙集模型,并研究了粗糙集理论同包含度理论之间的关系.马志锋、刑汉承等在粗糙集控制

4、方面做了深入研究.目前,粗糙集理论与神经网络、演化计算、模糊系统及混沌系统一起被公认为人工智能的五大新兴技术,在智能信息处理的诸多领域,如决策分析、机器学习、数据挖掘、模式识别等,获得了广泛的应用.通过知识的简化与知识依赖性分析,3完全由已知数据导出决策规则.但在实际的决策问题中大量存在着属性值为模糊的情况,为此有学者提出将粗糙集与模糊集相结合的方法,当条件属性值为确定值而决策属性值为模糊时提出了粗糙模糊集,论域上任意一个经典集合不一定能用知识库中的知识精确描述,这时就用关于的一对上下近似来描述粗糙模糊集就是解决如何用中的知识来描

5、述.粗糙集理论的主要思想是不精确的概念(被近似集)如何用可利用的知识库中的已知知识(近似空间中的可定义集全体)来近似描述.粗糙集理论与应用的核心基础是从近似空间导出的一对非数值型算子:上近似算子和下近似算子,并且这对算子与证据理论中的一对数值型算子:似然测度与信任测度的关系非常密切,集合的上、下近似被看成是对该集合近似好坏的定性描述,而集合的似然测度与信任测度又可以看成是对该集合近似好坏的定量描述,甚至从一定程度上可以将粗糙集理论看成是证据理论的基础.通常对粗糙集近似算子的研究主要有两种方法:构造性方法和公理化方法.构造性方法是以

6、论域上的二元关系、邻域系统或布尔子代数等作为基本要素构造性地定义近似算子,然后导出粗糙集代数系统.由于二元关系常用来表示信息系统中的可利用信息,所以目前所见的粗糙集在数据分析中的应用基本上都是用构造性方法去定义近似算子.公理化方法的基本要素是满足某些公理集的近似算子,即粗糙集代数系统是事先给定的,然后去找二元关系使得由二元关系通过构造性方法定义的近似算子及其导出的粗糙集代数系统恰好就是事先给定的近似算子和粗糙集代数系统,这种粗糙集代数系统是由集合代数系统中的三个集合算子(交、并、补)加上两个粗糙算子(上、下近似算子)而形成的,这些

7、算子非常相似于模态逻辑中的五个模态算子.在Z.Pawlak粗糙集模型中,等价关系是关键和原始的概念.然而,等价关系是一个过于严格的条件,其限制了粗糙集模型的一些主要应用.针对这个问题,用非等价二元关系推广了粗集近似算子的出现,引起了学术界研究其它不同类型近似算子的热潮.另一方面,用上的一个等价关系,在模糊关系理论下,引入上下近似,就得到了一个概念,称为粗糙模糊集.由于粗糙集理论分析处理不精确、不协调和不完备信息,因此作为一种具有极大潜力的有效的知识获取工具受到了人工智能工作者的广泛关注.目前,粗糙集理论已被成功应用在机器学习和知识

8、发现、数据挖掘、决策支持和分析、过程控制、模式识别等计算机领域,该理论已成为计算机和信息科学的研究热点之一.本文我们主要研究基于邻域算子系统的粗糙模糊近似.首先,3回顾了经典集合与经典二元关系的基本概念和性质,介绍了一般关系下的粗糙集合的定义和性质

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。