粗集理論對信息不確定性的處理

粗集理論對信息不確定性的處理

　　粗糙集理論是一種處理的有效的數(shù)學(xué)工具，它在知識分類和知識獲取得到成功應(yīng)用模糊和不確定性知識的。粗糙集理論與神經(jīng)網(wǎng)絡(luò)法，遺傳算法，模糊集理論，混沌理論和“軟科學(xué)”不同的方法，它僅使用由信息提供的數(shù)據(jù)，不需要任何額外的信息或先驗知識，如基本概率證據(jù)理論，模糊集合從屬關(guān)系函數(shù)，在統(tǒng)計理論概率分布分配，粗糙集的基礎(chǔ)，用于分類的數(shù)據(jù)觀察和測量，直接測量輸出對象，消除了冗余信息和沖突的信息的方法，從而找粗糙集理論的內(nèi)在規(guī)律，因此比“軟計算”方法等更加實用。粗糙集理論的診斷的一般步驟：

　　(1)知識庫建立利用搜集到的歷史或仿真數(shù)據(jù)生成聯(lián)合診斷系統(tǒng)故障信息表，進而表示為知識庫的形式。

　　(2)數(shù)據(jù)離散化數(shù)據(jù)離散化方法包括等距離劃分算法、等頻率劃分算法、NaiveScaler算法、基于屬性重要性算法和基于斷點重要性算法，以及布爾邏輯和粗集理論相結(jié)合的算法等，使條件屬性和決策屬性的取值為連續(xù)的不確定性空間，數(shù)據(jù)離散化是運用粗集理論的數(shù)據(jù)預(yù)處理。

　　(3)特征提取從原N個數(shù)據(jù)特征中找到M個數(shù)據(jù)特征，簡化后M個數(shù)據(jù)特征對對象空間U的分類能力和原N個數(shù)據(jù)特征的分類能力相同(N，M)，此過程稱為特征提取。常用的特征提取方法有基于屬性重要性的最小約簡、基于差別矩陣和差別函數(shù)的邏輯化簡、基于包含度理論方法的最大分布約簡、基于下近似質(zhì)量不變進行屬性約簡和對存在噪聲污染時用基于上近似質(zhì)量的任一約簡。

　　(4)規(guī)則應(yīng)用提取的規(guī)則集可用來對新對象進行分類，該規(guī)則集稱為“分類器”，用RUL來表示。當(dāng)分類器遇到一個新對象X時，則在規(guī)則集RUL中尋找與x的條件屬性相匹配的規(guī)則，應(yīng)用規(guī)則集可判斷新對象x決策屬性。

【粗集理論對信息不確定性的處理】相關(guān)文章：

存儲與輸出分離信息處理技術(shù)對會計理論影響分析09-01

信息安全風(fēng)險管理理論09-02

信息安全管理論文(經(jīng)典)06-23

信息安全管理論文06-21

信息安全管理論文09-21

新準(zhǔn)則下商譽的財稅處理論文05-26

粗集方法在KDD系統(tǒng)中的應(yīng)用與研究07-05

采供血信息管理論文10-05

衛(wèi)生信息管理論文08-01

學(xué)生信息管理論文06-07