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學(xué)工具，它在知識分類(lèi)和知識獲取得到成功應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據，不需要任何額外的信息或先驗知識，如基本概率證據理論，模糊集合從屬關(guān)系函數，在統計理論概率分布分配，粗糙集的基礎，用于分類(lèi)的數據觀(guān)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在規律，因此比“軟計算”方法等更加實(shí)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據生成聯(lián)合診斷系統故障信息表，進(jìn)而表示為知識庫的形式。

　　(2)數據離散化數據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(diǎn)重要性算法，以及布爾邏輯和粗集理論相結合的算法等，使條件屬性和決策屬性的取值為連續的不確定性空間，數據離散化是運用粗集理論的數據預處理。

　　(3)特征提取從原N個(gè)數據特征中找到M個(gè)數據特征，簡(jiǎn)化后M個(gè)數據特征對對象空間U的分類(lèi)能力和原N個(gè)數據特征的分類(lèi)能力相同(N，M)，此過(guò)程稱(chēng)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(jiǎn)、基于差別矩陣和差別函數的邏輯化簡(jiǎn)、基于包含度理論方法的最大分布約簡(jiǎn)、基于下近似質(zhì)量不變進(jìn)行屬性約簡(jiǎn)和對存在噪聲污染時(shí)用基于上近似質(zhì)量的任一約簡(jiǎn)。

　　(4)規則應用提取的規則集可用來(lái)對新對象進(jìn)行分類(lèi)，該規則集稱(chēng)為“分類(lèi)器”，用RUL來(lái)表示。當分類(lèi)器遇到一個(gè)新對象X時(shí)，則在規則集RUL中尋找與x的條件屬性相匹配的規則，應用規則集可判斷新對象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(huì )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

新準則下商譽(yù)的財稅處理論文05-26

粗集方法在KDD系統中的應用與研究07-05

采供血信息管理論文10-05

衛生信息管理論文08-01

學(xué)生信息管理論文06-07